آموزش یادگیری بدون نظارت و خوشه‌بندی با R - آخرین آپدیت

مبانی یادگیری بدون نظارت Fundamentals of Unsupervised Learning

• نیازمندی‌های سیستم و نرم‌افزاری System and Software Requirements

• یادگیری نظارت‌شده و بدون نظارت Supervised and Unsupervised Learning

• مسائل یادگیری بدون نظارت Unsupervised Learning Problems

کشف الگوها با استفاده از خوشه‌بندی Discover Patterns Using Clustering

• الگوریتم‌های خوشه‌بندی Clustering Algorithms

• خوشه‌بندی K-means K-means Clustering

• دمو: آماده‌سازی داده‌ها برای خوشه‌بندی Demo: Preparing Data for Clustering

• دمو: اجرای خوشه‌بندی K-means Demo: Performing K-means Clustering

• خوشه‌بندی سلسله‌مراتبی Hierarchical Clustering

• دمو: خوشه‌بندی سلسله‌مراتبی تجمعی و تقسیمی Demo: Hierarchical Clustering - Agglomerative and Divisive

• الگوریتم DBSCAN DBSCAN

• دمو: اجرای DBSCAN Demo: DBSCAN

انجام کاهش ابعاد Perform Dimensionality Reduction

• کاهش ابعاد Dimensionality Reduction

• تحلیل مؤلفه‌های اصلی (PCA) Principal Components Analysis

• دمو: تحلیل مؤلفه‌های اصلی برای رگرسیون Demo: Principal Components Analysis for Regression

• دمو: تحلیل مؤلفه‌های اصلی برای بصری‌سازی Demo: Principal Components Analysis for Visualization

• یادگیری منیفولد: TSNE و UMAP Manifold Learning: TSNE and UMAP

• دمو: یادگیری منیفولد با TSNE Demo: Manifold Learning with TSNE

• دمو: یادگیری منیفولد با UMAP Demo: Manifold Learning with UMAP

تشخیص ناهنجاری‌ها و الگوهای پنهان Detect Anomalies and Hidden Patterns

• ناهنجاری‌ها: داده‌های پرت و نوظهور Anomalies - Outliers and Novelties

• جنگل ایزولاسیون (Isolation Forest) Isolation Forest

• دمو: تشخیص ناهنجاری با جنگل‌های ایزولاسیون Demo: Anomaly Detection with Isolation Forests

• ماشین بردار پشتیبان تک‌کلاسه (One-class SVM) One-class SVM

• دمو: تشخیص ناهنجاری با One-class SVM Demo: Anomaly Detection with One-class SVM