آموزش یادگیری ماشین و هوش مصنوعی: درختان تصمیم پیشرفته

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. درک QUEST 1. Understanding QUEST

• بررسی اجمالی Overview

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

• چگونه QUEST متغیرهای مرتب و مداوم را مدیریت می کند How QUEST handles ordinal and continuous variables

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

• هرس در QUEST Pruning in QUEST

• توقف قوانین در QUEST Stopping rules in QUEST

2. درک C5.0 2. Understanding C5.0

• ID3 و C4.5 ID3 and C4.5

• صفات برنده Winnowing attributes

• مجموعه قوانین Rule sets

• درک سود Understanding information gain

• هرس در C5.0 Pruning in C5.0

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

3. مباحث پیشرفته 3. Advanced Topics

• گروهها Ensembles

• چمدان چیست؟ What is bagging?

• استفاده از کیف دستی برای انتخاب ویژگی Using bagging for feature selection

• جنگل های تصادفی Random forests

• چه چیزی تقویت می شود؟ What is boosting?

• هزینه ها و مقدمات Costs and priors

نتیجه Conclusion

• مراحل بعدی Next steps