خوشه بندی و طبقه بندی با یادگیری ماشین در R [ویدئو]

سرفصل ها و درس ها

مقدمه دوره Introduction to the Course

• به خوشه بندی و طبقه بندی با یادگیری ماشین در R خوش آمدید Welcome to Clustering & Classification with Machine Learning in R

• نصب R and R Studio Installing R and R Studio

داده های منابع مختلف را در R بخوانید Read in Data from Different Sources in R

• در داده های CSV و Excel بخوانید Read in CSV & Excel Data

• در پوشه زیپ نشده بخوانید Read in Unzipped Folder

• در CSV آنلاین بخوانید Read in Online CSV

• در Googlesheets بخوانید Read in Googlesheets

• در داده ها از جداول HTML آنلاین - قسمت 1 بخوانید Read in Data from Online HTML Tables-Part 1

• در داده ها از جداول HTML آنلاین - قسمت 2 بخوانید Read in Data from Online HTML Tables-Part 2

• خواندن داده ها از یک پایگاه داده Read Data from a Database

پیش پردازش و تجسم داده ها Data Pre-processing and Visualization

• مقادیر از دست رفته را حذف کنید Remove Missing Values

• پاکسازی اطلاعات بیشتر More Data Cleaning

• مقدمه ای بر dplyr برای خلاصه کردن داده ها - قسمت 1 Introduction to dplyr for Data Summarizing-Part 1

• مقدمه ای بر dplyr برای خلاصه کردن داده ها - قسمت 2 Introduction to dplyr for Data Summarizing-Part 2

• تجزیه و تحلیل داده های اکتشافی (EDA): تجسم های اساسی با R Exploratory Data Analysis (EDA): Basic Visualizations with R

• تجزیه و تحلیل داده های اکتشافی بیشتر با xda More Exploratory Data Analysis with xda

• کاوش و تجسم داده با dplyr و ggplot2 Data Exploration & Visualization With dplyr & ggplot2

• ارتباط بین متغیرهای کمی - نظریه Associations Between Quantitative Variables- Theory

• تست همبستگی Testing for Correlation

• رابطه بین متغیرهای اسمی را ارزیابی کنید Evaluate the Relation Between Nominal Variables

• Cramer's V برای بررسی قدرت ارتباط بین متغیر اسمی Cramer's V for Examining the Strength of Association Between Nominal Variable

یادگیری ماشین برای علم داده Machine Learning for Data Science

• تفاوت یادگیری ماشینی با تجزیه و تحلیل داده های آماری چیست؟ How is Machine Learning Different from Statistical Data Analysis?

• یادگیری ماشینی (ML) درباره چیست؟ برخی از نکات نظری What is Machine Learning (ML) About? Some Theoretical Pointers

یادگیری بدون نظارت در R Unsupervised Learning in R

• K-Means Clustering K-Means Clustering

• راه های دیگر انتخاب اعداد خوشه ای Other Ways of Selecting Cluster Numbers

• فازی K-Means Clustering Fuzzy K-Means Clustering

• K وزن دار به معنی Weighted k-means

• پارتیشن بندی در اطراف ملوئیدها (PAM) Partitioning Around Meloids (PAM)

• خوشه بندی سلسله مراتبی در R Hierarchical Clustering in R

• انتظار-بیشینه سازی (EM) در R Expectation-Maximization (EM) in R

• خوشه بندی DBSCAN در R DBSCAN Clustering in R

• مجموعه داده های مختلط را خوشه بندی کنید Cluster a Mixed Dataset

• آیا حتی باید خوشه بندی کنیم؟ Should We Even Do Clustering?

• ارزیابی عملکرد خوشه بندی Assess Clustering Performance

• کدام الگوریتم خوشه بندی را انتخاب کنیم؟ Which Clustering Algorithm to Choose?

کاهش ویژگی/بعد Feature/Dimension Reduction

• تئوری کاهش ابعاد Dimension Reduction-theory

• تجزیه و تحلیل اجزای اصلی (PCA) Principal Component Analysis (PCA)

• اطلاعات بیشتر در مورد PCA More on PCA

• مقیاس بندی چند بعدی Multidimensional Scaling

• تجزیه ارزش منفرد (SVD) Singular Value Decomposition (SVD)

انتخاب ویژگی برای انتخاب مرتبط ترین پیش بینی کننده ها Feature Selection to Select the Most Relevant Predictors

• حذف متغیرهای پیش بینی کننده بسیار همبسته Removing Highly Correlated Predictor Variables

• انتخاب متغیر با استفاده از رگرسیون LASSO Variable Selection Using LASSO Regression

• انتخاب متغیر با FSelector Variable Selection with FSelector

• تجزیه و تحلیل Boruta برای انتخاب ویژگی Boruta Analysis for Feature Selection

تئوری یادگیری تحت نظارت Supervised Learning Theory

• برخی از مفاهیم اساسی یادگیری تحت نظارت Some Basic Supervised Learning Concepts

• پیش پردازش برای یادگیری تحت نظارت Pre-processing for Supervised Learning

یادگیری تحت نظارت: طبقه بندی Supervised Learning: Classification

• GLM چیست؟ What are GLMs?

• مدل های رگرسیون لجستیک به عنوان طبقه بندی کننده های باینری Logistic Regression Models as Binary Classifiers

• طبقه بندی باینری با PCA Binary Classifier with PCA

• چند نکته در مورد ارزیابی دقت Some Pointers on Evaluating Accuracy

• معیارهای دقت طبقه بندی باینری را بدست آورید Obtain Binary Classification Accuracy Metrics

• اطلاعات بیشتر در مورد اندازه گیری دقت باینری More on Binary Accuracy Measures

• تجزیه و تحلیل تشخیص خطی Linear Discriminant Analysis

• مشکل طبقه بندی چند کلاسه ما Our Multi-class Classification Problem

• درختان طبقه بندی Classification Trees

• بیشتر در مورد تجسم درخت طبقه بندی More on Classification Tree Visualization

• طبقه بندی با بسته حزب Classification with Party Package

• درختان تصمیم Decision Trees

• طبقه بندی جنگل تصادفی (RF). Random Forest (RF) Classification

• اهمیت متغیر فردی را برای جنگل های تصادفی بررسی کنید Examine Individual Variable Importance for Random Forests

• طبقه بندی GBM GBM Classification

• ماشین‌های بردار پشتیبانی (SVM) برای طبقه‌بندی Support Vector Machines (SVM) for Classification

• SVM بیشتر برای طبقه بندی More SVM for Classification

• اهمیت متغیر در مدلسازی SVM با rminer Variable Importance in SVM Modelling with rminer

سخنرانی های اضافی Additional Lectures

• فازی C-Means Clustering Fuzzy C-Means Clustering