توضیحات دوره این دوره بر چهار محور اصلی پیشپردازش و نرمالسازی داده، الگوریتمهای رگرسیون، ماشین بردار پشتیبان (SVM) و درخت تصمیم متمرکز است. در بخش پیشپردازش، مفاهیمی مانند پاکسازی داده، مقیاسگذ...
این دوره بر چهار محور اصلی پیشپردازش و نرمالسازی داده، الگوریتمهای رگرسیون، ماشین بردار پشتیبان (SVM) و درخت تصمیم متمرکز است. در بخش پیشپردازش، مفاهیمی مانند پاکسازی داده، مقیاسگذاری، نرمالسازی و آمادهسازی داده برای آموزش مدل با استفاده از ابزارهای scikit-learn آموزش داده میشود. سپس الگوریتمهای رگرسیون معرفی و پیادهسازی میشوند و نحوه ارزیابی و تنظیم آنها بررسی میگردد.
در ادامه، ماشین بردار پشتیبان با مفاهیم حاشیه سخت و نرم، کرنلهای خطی، چندجملهای، RBF و سیگموید و همچنین تنظیم فراپارامترهای C و gamma بهصورت عملی ارائه میشود. در نهایت، درخت تصمیم با معیارهای آنتروپی، بهره اطلاعات، شاخص جینی و الگوریتمهای ID3، C4.5، CART و CHAID همراه با پیادهسازی، رسم و تفسیر درخت آموزش داده میشود. در سراسر دوره، تمرکز بر پیادهسازی گامبهگام با پایتون و scikit-learn، ارزیابی مدلها و استفاده از GridSearchCV برای انتخاب بهترین پارامترهاست.
هنوز نظری ثبت نشده است.