آموزش یادگیری ماشین و مبانی هوش مصنوعی: درختان تصمیم با SPSS

Machine Learning and AI Foundations: Decision Trees with SPSS

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، ملزومات یادگیری ماشین، از جمله تجزیه و تحلیل پیش‌بینی‌کننده و کار با درخت‌های تصمیم را پوشش می‌دهد. چندین الگوریتم درختی محبوب را کاوش کنید و یاد بگیرید که چگونه از مهندسی معکوس برای شناسایی متغیرهای خاص استفاده کنید. نمایش های استفاده از IBM SPSS Modeler گنجانده شده است تا بتوانید نحوه عملکرد درختان تصمیم گیری را درک کنید. این دوره طراحی شده است تا به شما یک پایه محکم برای ایجاد مهارت های پیشرفته تری در علم داده ارائه دهد.

سرفصل ها و درس ها

معرفی Introduction

  • آنچه شما باید بدانید What you should know

  • با استفاده از فایل های تمرین Using the exercise files

  • Modeler 18.4 Modeler 18.4

  • درختان تصمیم در SPSS Modeler Decision trees in SPSS Modeler

1. Decision Trees در IBM SPSS Modeler 1. Decision Trees in IBM SPSS Modeler

  • ساخت یک مدل سریع CHAID Building a quick CHAID model

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

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

  • گره های تجزیه و تحلیل Analysis nodes

  • نمودار افزایش و سود Lift and gains chart

2. درک CHAID 2. Understanding CHAID

  • چگونه CHAID متغیرهای ترتیبی را مدیریت می کند How CHAID handles ordinal variables

  • نمای کلی Chi-squared Chi-squared overview

  • الگوریتم چیست؟ What is an algorithm?

  • تنظیم بونفرونی Bonferonni adjustment

  • نحوه مدیریت CHAID با متغیرهای اسمی How CHAID handles nominal variables

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

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

  • چگونه CHAID متغیرهای پیوسته را مدیریت می کند How CHAID handles continuous variables

  • ساختن درخت به صورت تعاملی Buliding a tree interactively

3. درک C&RT 3. Understanding C&RT

  • درک هرس Understanding pruning

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

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

  • ضریب جینی چقدر است؟ What is the Gini coefficient?

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

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

4. بهبود مدل خود 4. Improving Your Model

  • CHAID جامع Exhaustive CHAID

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

  • ترفند تنظیم Autoclassifier The Autoclassifier tuning trick

  • گره Tree-AS Tree-AS node

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.

آموزش یادگیری ماشین و مبانی هوش مصنوعی: درختان تصمیم با SPSS
جزییات دوره
1h 27m
29
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
96,462
- از 5
دارد
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.