نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
این دوره شامل چندین تکنیک مهم است که برای پیاده سازی طبقه بندی در یادگیری دقیق استفاده می شود ، شروع با رگرسیون لجستیک ، رفتن به تجزیه و تحلیل متمایز ، Naive Bayes و استفاده از درختان تصمیم ، و سپس حتی پیشرفته تر ... شاید ابتدایی ترین پیشرفت ها در یادگیری ماشین از استفاده از یادگیری ماشین به مشکلات طبقه بندی آمده است. در این دوره ، Building Classels Models with scikit-learn شما توانایی برشمردن انواع مختلف الگوریتم های طبقه بندی و پیاده سازی صحیح آنها را در scikit-learn خواهید داشت. در ابتدا ، شما می آموزید که طبقه بندی به دنبال چه چیزی است و چگونه می توان طبقه بندی کننده ها را با استفاده از منحنی های دقت ، دقت ، فراخوانی و ROC ارزیابی کرد. در مرحله بعدی ، شما خواهید فهمید که چگونه روشهای مختلف طبقه بندی مانند رگرسیون لجستیک و طبقه بندی Naive Bayes را پیاده سازی کنید. سپس فرم های پیشرفته تر طبقه بندی دیگر را درک خواهید کرد ، از جمله مواردی که از ماشین های بردار پشتیبانی ، درخت های تصمیم گیری و نزول گرادیان تصادفی استفاده می کنند. سرانجام ، شما با درک بیش از حد پارامترهایی که این مدل های مختلف طبقه بندی دارند و نحوه بهینه سازی آنها ، دوره را دور می زنید. وقتی این دوره را به پایان رسانید ، مهارت و دانش لازم برای انتخاب الگوریتم طبقه بندی صحیح را بر اساس مسئله ای که می خواهید حل کنید و همچنین اجرای صحیح آن با استفاده از scikit-learn را خواهید داشت.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
-
بررسی اجمالی دوره
Course Overview
درک طبقه بندی به عنوان یک مسئله یادگیری ماشین
Understanding Classification as a Machine Learning Problem
-
بررسی اجمالی ماژول
Module Overview
-
پیش نیازها و طرح کلی دوره
Prerequisites and Course Outline
-
طبقه بندی به عنوان یک مسئله یادگیری ماشین
Classification as a Machine Learning Problem
-
شهود رگرسیون لجستیک
Logistic Regression Intuition
-
کراس آنتروپی شهود
Cross Entropy Intuition
-
دقت ، دقت و یادآوری
Accuracy, Precision, and Recall
-
تعیین آستانه تصمیم گیری با استفاده از منحنی های ROC
Determining Decision Threshold Using ROC Curves
-
انواع طبقه بندی
Types of Classification
-
خلاصه ماژول
Module Summary
ساخت یک مدل طبقه بندی ساده
Building a Simple Classification Model
-
بررسی اجمالی ماژول
Module Overview
-
نصب و تنظیم scikit-learn
Installing and Setting up scikit-learn
-
کاوش مجموعه داده تایتانیک
Exploring the Titanic Dataset
-
تجسم روابط در داده ها
Visualizing Relationships in the Data
-
پیش پردازش داده ها
Preprocessing the Data
-
آموزش طبقه بندی باینری رگرسیون لجستیک
Training a Logistic Regression Binary Classifier
-
محاسبه دقت ، دقت و فراخوان برای مدل طبقه بندی
Calculating Accuracy, Precision and Recall for the Classification Model
-
تعریف توابع کمکی برای آموزش و ارزیابی مدلهای طبقه بندی
Defining Helper Functions to Train and Evaluate Classification Models
-
خلاصه ماژول
Module Summary
انجام طبقه بندی با استفاده از چندین تکنیک
Performing Classification Using Multiple Techniques
-
بررسی اجمالی ماژول
Module Overview
-
انتخاب الگوریتم های طبقه بندی
Choosing Classification Algorithms
-
تجزیه و تحلیل خطی و تبعیض آمیز درجه دوم
Linear Discriminant Analysis and Quadratic Discriminant Analysis
-
اجرای طبقه بندی تجزیه و تحلیل خطی خطی
Implementing Linear Discriminant Analysis Classification
-
اجرای طبقه بندی تجزیه و تحلیل درجه دوم
Implementing Quadratic Discriminant Analysis Classification
-
نزول گرادیان تصادفی
Stochastic Gradient Descent
-
پیاده سازی طبقه بندی نزول شیب تصادفی
Implementing Stochastic Gradient Descent Classification
-
پشتیبانی از ماشین های برداری
Support Vector Machines
-
پیاده سازی طبقه بندی بردار پشتیبانی
Implementing Support Vector Classification
-
نزدیکترین همسایگان
Nearest Neighbors
-
پیاده سازی طبقه بندی K نزدیکترین همسایگان
Implementing K-nearest-neighbors Classification
-
درختان تصمیم
Decision Trees
-
اجرای طبقه بندی درخت تصمیم
Implementing Decision Tree Classification
-
ساده لوح بیز
Naive Bayes
-
اجرای طبقه بندی Naive Bayes
Implementing Naive Bayes Classification
-
خلاصه ماژول
Module Summary
تنظیم Hyperparameter برای مدل های طبقه بندی
Hyperparameter Tuning for Classification Models
-
بررسی اجمالی ماژول
Module Overview
-
تنظیم Hyperparameter
Hyperparameter Tuning
-
Hyperparameter تنظیم یک طبقه بندی درخت تصمیم با استفاده از جستجوی شبکه
Hyperparameter Tuning a Decision Tree Clasifier Using Grid Search
-
Hyperparameter تنظیم یک طبقه بندی رگرسیون لجستیک با استفاده از جستجوی شبکه
Hyperparameter Tuning a Logistic Regression Classifier Using Grid Search
-
خلاصه ماژول
Module Summary
استفاده از مدل های طبقه بندی بر روی تصاویر و داده های متنی
Applying Classification Models to Images and Text Data
-
بررسی اجمالی ماژول
Module Overview
-
نمایش تصاویر به عنوان ماتریس
Representing Images as Matrices
-
بررسی مجموعه داده های MNIST مد
Exploring the Fashion MNIST Dataset
-
طبقه بندی تصاویر با استفاده از رگرسیون لجستیک
Classifying Images Using Logistic Regression
-
خلاصه و مطالعه بیشتر
Summary and Further Study
نمایش نظرات