آموزش یادگیری ماشین نظارت‌شده: طبقه‌بندی (Classification) - آخرین آپدیت

رگرسیون لجستیک Logistic Regression

• خوش‌آمدگویی Welcome

• مقدمه: طبقه‌بندی چیست؟ Introduction: What is Classification?

• مقدمه‌ای بر رگرسیون لجستیک Introduction to Logistic Regression

• طبقه‌بندی با رگرسیون لجستیک Classification with Logistic Regression

• رگرسیون لجستیک چندکلاسه Logistic Regression with Multi-Classes

• پیاده‌سازی مدل‌های رگرسیون لجستیک Implementing Logistic Regression Models

• ماتریس اغتشاش، دقت، ویژگی، حساسیت و بازیابی Confusion Matrix, Accuracy, Specificity, Precision, and Recall

• معیارهای خطای طبقه‌بندی: نمودارهای ROC و Precision-Recall Classification Error Metrics: ROC and Precision-Recall Curves

• محاسبه نمودارهای ROC و Precision-Recall Implementing the Calculation of ROC and Precision-Recall Curves

• [اختیاری] تمرین رگرسیون لجستیک - بخش ۱ [Optional] Logistic Regression Lab - Part 1

• [اختیاری] تمرین رگرسیون لجستیک - بخش ۲ [Optional] Logistic Regression Lab - Part 2

• [اختیاری] تمرین رگرسیون لجستیک - بخش ۳ [Optional] Logistic Regression Lab - Part 3

الگوریتم K-نزدیک‌ترین همسایه K Nearest Neighbors

• الگوریتم K-نزدیک‌ترین همسایه برای طبقه‌بندی K Nearest Neighbors for Classification

• مرز تصمیم در K-نزدیک‌ترین همسایه K Nearest Neighbors Decision Boundary

• اندازه‌گیری فاصله در K-نزدیک‌ترین همسایه K Nearest Neighbors Distance Measurement

• مزایا و معایب K-نزدیک‌ترین همسایه K Nearest Neighbors Pros and Cons

• K-نزدیک‌ترین همسایه با مقیاس‌بندی ویژگی‌ها K Nearest Neighbors with Feature Scaling

• [اختیاری] نوت‌بوک K-نزدیک‌ترین همسایه - بخش ۱ [Optional] K Nearest Neighbors Notebook - Part 1

• [اختیاری] نوت‌بوک K-نزدیک‌ترین همسایه - بخش ۲ [Optional] K Nearest Neighbors Notebook - Part 2

• [اختیاری] نوت‌بوک K-نزدیک‌ترین همسایه - بخش ۳ [Optional] K Nearest Neighbors Notebook - Part 3

ماشین‌های بردار پشتیبان (SVM) Support Vector Machines

• مقدمه‌ای بر ماشین‌های بردار پشتیبان Introduction to Support Vector Machines

• طبقه‌بندی با ماشین‌های بردار پشتیبان Classification with Support Vector Machines

• تابع هزینه ماشین‌های بردار پشتیبان The Support Vector Machines Cost Function

• منظم‌سازی (Regularization) در ماشین‌های بردار پشتیبان Regularization in Support Vector Machines

• مقدمه‌ای بر هسته‌های گاوسی در SVM Introduction to Support Vector Machines Gaussian Kernels

• هسته‌های گاوسی در SVM - بخش ۱ Support Vector Machines Gaussian Kernels - Part 1

• هسته‌های گاوسی در SVM - بخش ۲ Support Vector Machines Gaussian Kernels - Part 2

• گردش کار ماشین‌های بردار پشتیبان Support Vector Machines Workflow

• پیاده‌سازی مدل‌های هسته‌ای SVM Implementing Support Vector Machines Kernal Models

• [اختیاری] نوت‌بوک ماشین‌های بردار پشتیبان - بخش ۱ [Optional] Support Vector Machines Notebook - Part 1

• [اختیاری] نوت‌بوک ماشین‌های بردار پشتیبان - بخش ۲ [Optional] Support Vector Machines Notebook - Part 2

• [اختیاری] نوت‌بوک ماشین‌های بردار پشتیبان - بخش ۳ [Optional] Support Vector Machines Notebook - Part 3

درخت‌های تصمیم Decision Trees

• بررسی اجمالی طبقه‌بندها Overview of Classifiers

• مقدمه‌ای بر درخت‌های تصمیم Introduction to Decision Trees

• ساخت یک درخت تصمیم Building a Decision Tree

• تقسیم‌بندی بر اساس آنتروپی Entropy-based Splitting

• سایر معیارهای تقسیم‌بندی درخت تصمیم Other Decision Tree Splitting Criteria

• مزایا و معایب درخت‌های تصمیم Pros and Cons of Decision Trees

• [اختیاری] نوت‌بوک درخت‌های تصمیم - بخش ۱ [Optional] Decision Trees Notebook - Part 1

• [اختیاری] نوت‌بوک درخت‌های تصمیم - بخش ۲ [Optional] Decision Trees Notebook - Part 2

• [اختیاری] نوت‌بوک درخت‌های تصمیم - بخش ۳ [Optional] Decision Trees Notebook - Part 3

مدل‌های ترکیبی (Ensemble) Ensemble Models

• روش‌های ترکیبی و Bagging - بخش ۱ Ensemble Based Methods and Bagging - Part 1

• روش‌های ترکیبی و Bagging - بخش ۲ Ensemble Based Methods and Bagging - Part 2

• روش‌های ترکیبی و Bagging - بخش ۳ Ensemble Based Methods and Bagging - Part 3

• جنگل تصادفی (Random Forest) Random Forest

• [اختیاری] نوت‌بوک Bagging - بخش ۱ [Optional] Bagging Notebook - Part 1

• [اختیاری] نوت‌بوک Bagging - بخش ۲ [Optional] Bagging Notebook - Part 2

• [اختیاری] نوت‌بوک Bagging - بخش ۳ [Optional] Bagging Notebook - Part 3

• تقویت (Boosting) و انباشته‌سازی (Stacking) Boosting and Stacking

• بررسی اجمالی Boosting Overview of Boosting

• مروری بر Adaboost و Gradient Boosting Adaboost and Gradient Boosting Overview

• سینتکس Adaboost و Gradient Boosting Adaboost and Gradient Boosting Syntax

• انباشته‌سازی (Stacking) Stacking

• [اختیاری] نوت‌بوک Boosting - بخش ۱ [Optional] Boosting Notebook - Part 1

• [اختیاری] نوت‌بوک Boosting - بخش ۲ [Optional] Boosting Notebook - Part 2

• [اختیاری] نوت‌بوک Boosting - بخش ۳ [Optional] Boosting Notebook - Part 3

مدل‌سازی کلاس‌های نامتوازن Modeling Unbalanced Classes

• تفسیرپذیری مدل Model Interpretability

• مثال‌هایی از مدل‌های خود-تفسیرپذیر و غیرتفسیرپذیر Examples of Self-Interpretable and Non-Self-Interpretable Models

• توضیحات مستقل از مدل Model-Agnostic Explanations

• مدل‌های جایگزین (Surrogate) Surrogate Models

• مقدمه‌ای بر کلاس‌های نامتوازن Introduction to Unbalanced Classes

• نمونه‌برداری بیش از حد و کمتر از حد Upsampling and Downsampling

• رویکردهای مدل‌سازی: وزن‌دهی و نمونه‌برداری طبقه‌بندی شده Modeling Approaches: Weighting and Stratified Sampling

• رویکردهای مدل‌سازی: نمونه‌برداری بیش از حد تصادفی و مصنوعی Modeling Approaches: Random and Synthetic Oversampling

• رویکردهای مدل‌سازی: روش‌های نزدیک‌ترین همسایه Modeling Approaches: Nearing Neighbor Methods

• رویکردهای مدل‌سازی: Blagging Modeling Approaches: Blagging