آموزش تکنیک‌های بوستینگ (Boosting) - آخرین آپدیت

درک الگوریتم‌های بوستینگ برای یادگیری ماشین Understand Boosting Algorithms for Machine Learning

• نیازمندی‌های سیستم و نرم‌افزاری System and Software Requirements

• مفاهیم و تکنیک‌های یادگیری انسمبل Ensemble Learning Techniques and Concepts

• مقایسه میانگین‌گیری و بوستینگ Averaging vs. Boosting

• تکنیک‌های بوستینگ Boosting Techniques

• بوستینگ تطبیقی (AdaBoost) Adaptive Boosting

• گرادینت بوستینگ (Gradient Boosting) Gradient Boosting

• انواع مختلف گرادینت بوستینگ Variations of Gradient Boosting

پیاده‌سازی الگوریتم‌های بوستینگ برای یادگیری ماشین Implement Boosting Algorithms for Machine Learning

• دمو: پیش‌پردازش داده‌ها برای طبقه‌بندی با XGBoost Demo: XGBoost - Preprocess Data for Classification

• دمو: ساخت و آموزش مدل طبقه‌بندی با XGBoost Demo: XGBoost - Build and Train Classifier

• دمو: منظم‌سازی، توقف زودهنگام و اعتبارسنجی متقاطع در XGBoost Demo: XGBoost - Regularization, Early Stopping, and Cross-validation

• دمو: آموزش مدل‌های XGBoost بر روی GPU Demo: Train XGBoost Models on GPU

• دمو: پردازش داده‌ها و آموزش مدل با LightGBM Demo: LightGBM - Process Data and Train a Model

• دمو: حداکثر تعداد بین‌ها، داده‌های نامتوازن و توقف زودهنگام در LightGBM Demo: LightGBM - Max Bins, Imbalanced Data, and Early Stopping

• دمو: API بومی، GOSS و اهمیت ویژگی‌ها در LightGBM Demo: LightGBM - Native API, GOSS, and Feature Importances

• دمو: آموزش و ارزیابی مدل رگرسیون با CatBoost Demo: CatBoost - Train and Evaluate a Regression Model

• دمو: توقف زودهنگام، اهمیت ویژگی‌ها و اسنپ‌شات‌ها در CatBoost Demo: CatBoost - Early Stopping, Feature Importances, and Snapshots

تنظیم الگوریتم‌های بوستینگ و تفسیر اهمیت ویژگی‌ها Tune Boosting Algorithms and Interpret Feature Importances

• تنظیم هایپرپارامترها Hyperparameter Tuning

• دمو: تنظیم هایپرپارامترها با XGBoost Demo: Hyperparameter Tuning with XGBoost

• مقادیر SHAP SHAP Values

• دمو: محاسبه مقادیر SHAP Demo: Computing SHAP Values