آموزش یادگیری ماشین و مبانی هوش مصنوعی: مدل سازی طبقه بندی

سرفصل ها و درس ها

مقدمه Introduction

• مشکلات طبقه بندی در یادگیری ماشین Classification problems in machine learning

• آنچه باید بدانید What you should know

• تعریف اصطلاحات Defining terms

1. تصویر بزرگ: تعریف استراتژی طبقه بندی شما 1. The Big Picture: Defining Your Classification Strategy

• اهمیت طبقه بندی دودویی The importance of binary classification

• دودویی در مقابل چند قلو Binary vs. multinomial

• تکنیک های به اصطلاح "جعبه سیاه" So-called “black box” techniques

• یک کار ، بسیاری از الگوریتم ها One task, many algorithms

• آمار در مقابل یادگیری ماشین Statistics vs. machine learning

• ارزیابی مدل در مقابل ارزیابی تجارت Model assessment vs. business evaluation

2. چگونه می توانم "برنده" انتخاب کنم؟ 2. How Do I Choose a "Winner"?

• پارتیشن های آموزشی و تست Training and test partitions

• نمودار آسانسور Lift Charts

• جداول بدست می آورد Gains tables

• ماتریس سردرگمی Confusion matrix

3. الگوریتم های Parade 3. Algorithms on Parade

• بررسی اجمالی Overview

• تبعیض آمیز با سه دسته Discriminant with three categories

• تبعیض آمیز با دو دسته Discriminant with two categories

• مرحله به مرحله تبعیض آمیز Stepwise discriminant

• رگرسیون لجستیک Logistic regression

• رگرسیون لجستیک گام به گام Stepwise logistic regression

• درختان تصمیم گیری Decision Trees

• دانش KNN

• SVM خطی Linear SVM

• شبکه های عصبی Neural nets

• شبکه های بیزی Bayesian networks

• گروهها Ensembles

4. چالش های مدل سازی مشترک 4. Common Modeling Challenges

• دسته هدف نامتوازن Imbalanced target categories

• فعل و انفعالات Interactions

• داده موجود نیست Missing data

• تجارت و واریانس تعاملی و اضافی Bias-variance trade-off and overfitting

• کاهش داده ها Data reduction

نتیجه Conclusion

• مراحل بعدی Next steps