آموزش یادگیری ماشین با داده های نامتوازن در پایتون – پیاده سازی عملی

آموزش یادگیری ماشین با داده های نامتوازن در پایتون – پیاده سازی عملی

داده نامتوازن چیست؟ داده نامتوازن، داده‌ای است که در آن تعداد نمونه‌ها در برخی از کلاس‌ها، بسیار کمتر از کلاس‌های دیگر است و تقریبا در اکثر مجموعه داده‌ها، با چنین مشکلی مواجه هستیم. به عنوان مثال، اگر مجموعه داده تصاویر پزشکی را در نظر بگیریم، تعداد نمونه‌های غیرسرطانی، بسیار از نمونه‌های سرطانی است. فرض کنید ۹۵ درصد از داده‌ها مربوط به نمونه‌های غیرسرطانی و ۵ درصد مربوط به داده‌های سرطانی باشند. در این صورت، یک مدل یادگیری که همه نمونه‌ها را غیرسرطانی تشخیص می‌دهد، دارای دقت ۹۵٪ خواهد بود. به عبارت دیگر، مدل یادگیری، الگوهای سرطانی را یاد نمی‌گیرد. برای حل چنین مشکلی، نیازمند متدهایی جهت متوازن‌سازی داده‌ها و نیز معیارهایی جهت ارزیابی مدل‌ها در سناریوهای غیرمتوازن هستیم. چرا یاد می‌گیریم و اهمیت یادگیری آن چیست؟ مجموعه داده‌های نامتوازن، یکی از چالش‌های اساسی در یادگیری ماشین است که در آن، برخی از کلاس‌ها به شکل معناداری نمونه‌های کمتری نسبت به کلاس‌های دیگر دارند. آشنایی با یادگیری ماشین با داده‌های نامتوازن در پایتون، باعث می‌شود تا به مجموعه گسترده‌ای از تکنیک‌ها برای مدیریت این مشکل مجهز شویم و از این طریق عملکرد مدل‌های یادگیری ماشین را بهبود دهیم. در این فرادرس چه چیزی یاد می‌گیریم؟ در این آموزش، مجموعه‌ای از تکنیک‌ها جهت ارتقای عملکرد مدل‌های یادگیری ماشین در مواجهه با مجموعه داده‌های نامتوازن ارائه خواهد شد. این مجموعه شامل درک منطق، پیاده‌سازی در پایتون و نیز مزایا و معایب رویکردهای مختلف مدیریت مدل‌های یادگیری ماشین بر روی داده‌های نامتوازن است. در این فرادرس، با تکنیک‌های مختلفی آشنا خواهیم شد و یاد خواهیم گرفت که چگونه از روش‌های under-sampling، برای حذف تصادفی نمونه‌ها از کلاس‌هایی که دارای اکثریت نمونه‌ها هستند استفاده کنیم. همچنین یاد خواهیم گرفت که چگونه به کمک روش‌های over-sampling می‌توانیم نمونه‌های جدیدی را به مجموعه داده اضافه کنیم. علاوه براین، می‌آموزیم که چگونه می‌توان از روش‌های Ensemble جهت آموزش تعدادی مدل ضعیف بر روی زیرنمونه‌هایی از مجموعه داده و نیز روش‌های حساس به خطا جهت افزایش جریمه خطاهای مرتبط با کلاس‌های اقلیت، به بهبود مدل‌های یادگیری بر روی داده‌های نامتوازن کمک کنیم. همچنین به صورت گام‌به‌گام روش‌های مدیریت مجموعه داده‌های نامتوازن را خواهیم آموخت. برای هر روش، ابتدا منطق و تئوری آن را یاد می‌گیریم و پس از آن می‌آموزیم که چگونه آن را در پایتون پیاده‌سازی کنیم. در نهایت به مزایا، معایب و ملاحظات در استفاده از آن می‌پردازیم.

تریلر دوره

توضیحات کامل دوره

...

سرفصل‌های دوره

  • چکیده
    0:01:55

  • کلیات
    رایگان 0:06:13
  • یادگیری ماشین
    0:06:53
  • یادگیری نظارت‌شده
    0:14:20
  • معرفی مجموعه داده‌های نامتوازن
    0:05:32
  • آماده‌سازی محیط برنامه‌نویسی
    رایگان 0:13:56
  • تمرین ۱ - مقایسه الگوریتم‌های یادگیری ماشین

  • آشنایی با معیارهای ارزیابی
    0:07:26
  • معیار دقت (Accuracy)
    0:03:30
  • پیاده‌سازی معیار دقت
    0:16:10
  • بررسی معیار دقت بر روی دیتاست نامتوازن
    0:04:13
  • معرفی ماتریس درهم‌ریختگی
    رایگان 0:10:47
  • معیارهای FPR و FNR
    0:06:06
  • پیاده‌سازی معیارهای FPR و FNR
    0:15:39
  • معیارهای Precision و Recall
    0:04:46
  • پیاده‌سازی معیارهای Precision و Recall
    0:01:48
  • معیار F-measure
    رایگان 0:11:58
  • معیار ROC-AUC
    0:15:34
  • منحنی Precision-Recall
    0:08:13
  • تمرین ۱ - محاسبه ماتریس درهم‌سازی
  • تمرین ۲ - معیارهای مبتنی بر ماتریس درهم‌سازی

  • رویکردهای Under-Sampling
    0:02:44
  • الگوریتم Under-Sampling تصادفی
    0:18:59
  • الگوریتم NearMiss 
    رایگان 0:15:00
  • الگوریتم Instance Hardness
    0:10:21
  • الگوریتم Condensed Nearest Neighbors 
    0:06:41
  • الگوریتم Tomek Links
    0:06:25
  • الگوریتم One Sided Selection
    0:04:49
  • الگوریتم Edited Nearest Neighbors
    رایگان 0:05:57
  • الگوریتم Repeated Edited Nearest Neighbors
    0:04:31
  • الگوریتم All KNN
    0:04:03
  • الگوریتم Neighborhood Cleaning Rule
    0:04:07
  • تمرین ۱ - بررسی شبه‌کد

  • رویکردهای Over-Sampling
    0:01:37
  • الگوریتم Over-Sampling تصادفی
    0:08:15
  • الگوریتم SMOTE
    0:06:24
  • الگوریتم ADASYN
    0:08:49
  • الگوریتم Borderline SMOTE
    0:08:48
  • الگوریتم SVM SMOTE
    0:05:42
  • الگوریتم KMeans SMOTE
    رایگان 0:05:45
  • تمرین ۱ - دقت SMOTE بر روی car-eval
  • تمرین ۲ - استفاده از درون‌یابی و برون‌یابی

  • رویکردهای Ensemble
    0:01:22
  • الگوریتم‌های مبتنی بر Bagging
    0:04:36
  • پیاده‌سازی الگوریتم‌های مبتنی بر Bagging
    0:10:49
  • الگوریتم‌های مبتنی بر Boosting
    0:10:35
  • تمرین ۱ - بررسی مرزهای تصمیم
  • تمرین ۲ - بررسی وزن‌های نمونه‌ها در Boosting

  • آشنایی با یادگیری حساس به هزینه
    رایگان 0:04:26
  • ماتریس هزینه
    0:08:03
  • استفاده از هزینه در طبقه‌بندی Logistic Regression
    0:07:30
  • پیاده‌سازی Logistic Regression حساس به هزینه
    0:15:23
  • استفاده از هزینه در درخت تصمیم
    0:09:47
  • پیاده‌سازی درخت تصمیم حساس به هزینه
    0:05:00
  • ریسک شرطی
    0:04:33
  • تمرین ۱ - محاسبه نرخ جینی
  • تمرین ۲ - محاسبه ریسک شرطی

  • جمع‌بندی و نتیجه مباحث
    0:02:10
  • ادامه یادگیری
    0:04:56
  • دسترسی به آموزش‌های «ادامه یادگیری»
  • ادامه مسیر تا ورود به بازار کار

  • تمرین ۱ - مقایسه الگوریتم‌های Under-Sampling
  • تمرین ۲ - مقایسه الگوریتم‌های Over-Sampling
  • تمرین ۳ - محاسبه نرخ ناخالصی Gini

  • خلاصه و مرور آموزش
  • واژه‌نامه (Glossary)
  • سوالات متداول (FAQ)
  • مشاغل مرتبط
  • نمونه سئوالات مصاحبه شغلی

ارسال نظر شما

نظرات کاربران

نظرات کاربران

هنوز نظری ثبت نشده است.

2,890,000 تومان
578,000 تومان
80% تخفیف

این دوره شامل:
10 فصل آموزشی
6 ساعت ساعت آموزش
دسترسی مادام‌العمر
سطح: مبتدی
گواهی پایان دوره: ندارد
تاریخ انتشار: 1403/12/09
آخرین به‌روزرسانی: 2026-10-29 14:04:44
تعداد امتیازها: 0
تعداد دانشجو:
خرید اقساطی: ندارد
ضمانت بازگشت وجه: ندارد
برچسب‌ها: