آموزش مبانی یادگیری ماشین و هوش مصنوعی: درختان تصمیم

Machine Learning and AI Foundations: Decision Trees

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: بسیاری از متخصصان علوم داده به دنبال تمرکز بر یادگیری ماشین هستند. این دوره موارد ضروری یادگیری ماشین ، از جمله تجزیه و تحلیل پیش بینی و کار با درختان تصمیم را پوشش می دهد. چندین الگوریتم معروف درخت را کاوش کنید و بیاموزید که چگونه از مهندسی معکوس برای شناسایی متغیرهای خاص استفاده کنید. تظاهرات استفاده از IBM SPSS Modeler ارائه شده است تا بتوانید نحوه تصمیم گیری درختان را درک کنید. این دوره به منظور پایه ریزی محکم شما در ایجاد مهارتهای پیشرفته تر در زمینه علوم داده طراحی شده است.
موضوعات شامل:
  • استفاده از SPSS Modeler
  • ساختن یک مدل CHAID
  • افزودن مدل دوم با C RT
  • یادداشت های آنالیز
  • استفاده از نمودار آسانسور و سود
  • بررسی الگوریتم ها
  • ساختن درخت به صورت تعاملی
  • تنظیم بونفرونی
  • مدیریت متغیرهای اسمی ، ترتیبی و مداوم
  • بررسی درخت CHAID
  • ضریب جینی
  • توزین خلوص و تعادل
  • درک هرس
  • بررسی درخت C RT
  • اعمال قوانین توقف
  • استفاده از ترفند تنظیم خودکار طبقه بندی

سرفصل ها و درس ها

مقدمه Introduction

  • خوش آمدی Welcome

  • آنچه باید بدانید What you should know

  • با استفاده از پرونده های تمرینی Using the exercise files

1. درخت تصمیم گیری در مدل ساز SPSS IBM 1. Decision Trees in IBM SPSS Modeler

  • گزینه های تصمیم گیری درخت در SPSS Modeler Decision tree options in SPSS Modeler

  • ساختن یک مدل سریع CHAID Building a quick CHAID model

  • اضافه کردن یک مدل دوم با C&RT Adding a second model with C&RT

  • گره های آنالیز Analysis nodes

  • نمودار آسانسور و به دست آورد Lift and gains chart

2. درک CHAID 2. Understanding CHAID

  • الگوریتم چیست؟ What is an algorithm?

  • نمای کلی Chi-square Chi-squared overview

  • ساختن یک درخت تعاملی Buliding a tree interactively

  • تنظیم Bonferroni Bonferonni adjustment

  • سطح اندازه گیری چیست؟ What is level of measurement?

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

  • چگونه CHAID متغیرهای ترتیب را کنترل می کند How CHAID handles ordinal variables

  • چگونه CHAID متغیرهای مداوم را اداره می کند How CHAID handles continuous variables

  • نگاهی گذرا به درخت کامل CHAID A quick look at the complete CHAID tree

3. درک C&RT 3. Understanding C&RT

  • ضریب جینی چیست؟ What is the Gini coefficient?

  • وزن C&RT چگونه خلوص و تعادل را وزن می کند؟ How does C&RT weigh purity and balance?

  • چگونه C&RT متغیرهای اسمی ، ترتیبی و مداوم را مدیریت می کند How C&RT handles nominal, ordinal, and continuous variables

  • چگونه C&RT داده های از دست رفته را اداره می کند How C&RT handles missing data

  • درک هرس Understanding pruning

  • نگاهی گذرا به درخت کامل C&RT A quick look at the complete C&RT tree

4. بهبود مدل شما 4. Improving Your Model

  • قطع قوانین در CHAID و CaRT Stopping rules in CHAID and C&RT

  • CHAID اگزوز Exhaustive CHAID

  • ترفند تنظیم تنظیم کننده خودکار The Auto Classifier tuning trick

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

آموزش مبانی یادگیری ماشین و هوش مصنوعی: درختان تصمیم
جزییات دوره
1h 16m
27
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
123,152
- 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.