آموزش یادگیری ماشین مجموعه‌ای در پایتون - جنگل تصادفی و AdaBoost [ویدیو] - آخرین آپدیت

سرفصل ها و درس ها

شروع به کار Get Started

• سرفصل‌ها و انگیزه‌ها Outline and Motivation

• نحوه دریافت کدها و داده‌ها Where to Get the Code and Data

• همه داده‌ها یکسان هستند All Data is the Same

• نصب و اجرا Plug-and-Play

توازن بایاس و واریانس Bias-Variance Trade-Off

• اصطلاحات کلیدی بایاس و واریانس Bias-Variance Key Terms

• توازن بایاس و واریانس Bias-Variance Trade-Off

• تجزیه بایاس و واریانس Bias-Variance Decomposition

• دموی رگرسیون چندجمله‌ای Polynomial Regression Demo

• دموی K-نزدیک‌ترین همسایه و درخت تصمیم K-Nearest Neighbor and Decision Tree Demo

• اعتبارسنجی متقاطع به عنوان روشی برای بهینه‌سازی پیچیدگی مدل Cross-Validation as a Method for Optimizing Model Complexity

• باکس پیشنهادات Suggestion Box

تخمین‌های بوت‌استرپ و بگینگ Bootstrap Estimates and Bagging

• تخمین بوت‌استرپ Bootstrap Estimation

• دموی بوت‌استرپ Bootstrap Demo

• بگینگ (Bagging) Bagging

• بگینگ در درخت‌های رگرسیون Bagging Regression Trees

• بگینگ در درخت‌های طبقه‌بندی Bagging Classification Trees

• استکینگ (Stacking) Stacking

جنگل تصادفی (Random Forest) Random Forest

• الگوریتم جنگل تصادفی Random Forest Algorithm

• رگرسور جنگل تصادفی Random Forest Regressor

• طبقه‌بندی‌کننده جنگل تصادفی Random Forest Classifier

• مقایسه جنگل تصادفی با درخت‌های بگینگ Random Forest vs Bagging Trees

• پیاده‌سازی یک جنگل «نه چندان تصادفی» Implementing a 'Not as Random' Forest

• ارتباط با یادگیری عمیق: Dropout Connection to Deep Learning: Dropout

آدا‌بوست (AdaBoost) AdaBoost

• الگوریتم AdaBoost AdaBoost Algorithm

• مدل‌سازی افزودنی Additive Modeling

• تابع زیان AdaBoost: زیان نمایی AdaBoost Loss Function: Exponential Loss

• پیاده‌سازی AdaBoost AdaBoost Implementation

• مقایسه با استکینگ Comparison to Stacking

• ارتباط با یادگیری عمیق Connection to Deep Learning

• خلاصه و گام‌های بعدی Summary and What's Next

مرور نهایی و مفید Helpful Review

• فواصل اطمینان Confidence Intervals