آموزش یادگیری ماشین و هوش مصنوعی: درختان تصمیم گیری پیشرفته با SPSS

Machine Learning and AI: Advanced Decision Trees with SPSS

در حال بارگزاری نمونه ویدیو، لطفا صبر کنید...
Video Player is loading.
Current Time 0:00
Duration 0:00
Loaded: 0%
Stream Type LIVE
Remaining Time 0:00
 
1x
    • Chapters
    • descriptions off, selected
    • subtitles off, selected
      نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
      نمونه ویدیوها:
      • در حال بارگزاری، لطفا صبر کنید...
      توضیحات دوره:
      اگر برای درک یادگیری ماشین کار می کنید، مهم است که بدانید چگونه با درختان تصمیم کار کنید. در این دوره، مفاهیم پیشرفته و جزئیات الگوریتم های درخت تصمیم را بررسی کنید. در مورد الگوریتم QUEST و نحوه مدیریت آن با متغیرهای اسمی، متغیرهای ترتیبی و پیوسته و داده های از دست رفته بیاموزید. الگوریتم C5.0 را کاوش کنید و برخی از ویژگی های کلیدی آن مانند هرس جهانی و بریدن را مرور کنید. به‌علاوه، در چند موضوع پیشرفته که برای همه درخت‌های تصمیم‌گیری اعمال می‌شود، مانند تقویت و بسته‌بندی، شیرجه بزنید.
      اهداف یادگیری
      • درک توابع و برنامه های کاربردی QUEST
      • مفاهیم C5.0 و کاربردهای عملی
      • درک به دست آوردن اطلاعات
      • جنگل های تصادفی
      • تقویت و بسته بندی
      • هزینه ها و پیشینه ها

      سرفصل ها و درس ها

      معرفی Introduction

      • خوش آمدی Welcome

      • آنچه شما باید بدانید What you should know

      • با استفاده از فایل های تمرین Using the exercise files

      1. درک QUEST 1. Understanding QUEST

      • بررسی اجمالی Overview

      • QUEST چگونه متغیرهای اسمی را مدیریت می کند How QUEST handles nominal variables

      • QUEST چگونه متغیرهای ترتیبی و پیوسته را مدیریت می کند How QUEST handles ordinal and continuous variables

      • QUEST چگونه داده های از دست رفته را مدیریت می کند How QUEST handles missing data

      • هرس در QUEST Pruning in QUEST

      • قوانین توقف در QUEST Stopping rules in QUEST

      • امتحان فصل Chapter Quiz

      2. درک C5.0 2. Understanding C5.0

      • ID3 و C4.5 ID3 and C4.5

      • ویژگی های برنده Winnowing attributes

      • مجموعه قوانین Rule sets

      • درک به دست آوردن اطلاعات Understanding information gain

      • هرس در C5.0 Pruning in C5.0

      • چگونه C5.0 داده های از دست رفته را مدیریت می کند How C5.0 handles missing data

      • امتحان فصل Chapter Quiz

      3. موضوعات پیشرفته 3. Advanced Topics

      • گروه ها Ensembles

      • کیسه کشی چیست؟ What is bagging?

      • استفاده از کیسه برای انتخاب ویژگی Using bagging for feature selection

      • جنگل های تصادفی Random forests

      • تقویت چیست؟ What is boosting?

      • هزینه ها و پیشینه ها Costs and priors

      نتیجه Conclusion

      • مراحل بعدی Next steps

      نمایش نظرات

      آموزش یادگیری ماشین و هوش مصنوعی: درختان تصمیم گیری پیشرفته با SPSS
      جزییات دوره
      1h 16m
      24
      Linkedin (لینکدین) Linkedin (لینکدین)
      (آخرین آپدیت)
      -
      - از 5
      ندارد
      دارد
      دارد
      جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

      Google Chrome Browser

      Internet Download Manager

      Pot Player

      Winrar

      Keith McCormick Keith McCormick

      داده کاو ، مربی ، سخنران ، نویسنده کیت مک کورمیک یک کاوشگر اطلاعات ، مربی ، سخنران و نویسنده مستقل است.

      کیت در توضیح روشهای پیچیده برای کاربران جدید یا تصمیم گیرندگان در سطوح مختلف از جزئیات فنی مهارت دارد. وی متخصص در مدل های پیش بینی و تجزیه و تحلیل تقسیم بندی از جمله درختان طبقه بندی ، شبکه های عصبی ، مدل خطی کلی ، تجزیه خوشه و قوانین ارتباط است.