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

Machine Learning and AI: Advanced Decision Trees with SPSS

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
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.