با سلام

این پست شامل  قسمت بیست و هفتمین از سری فیلم های آموزشی یادگیری ماشین در متلب می باشد.

مطالب مربوط به درخت تصمیم گیری در ۵ قسمت (قسمت های ۲۴-۲۷) بطور کامل آموزش داده میشود که این ویدئو آموزشی مربوط به چهارمین (آخرین) قسمت از آموزش درخت تصمیم گیری میباشد.

در این قسمت تمامی مباحث تئوری بیان شده در سه قسمت قبل را بصورت عملی در قالب مثال های گوناگون در متلب پیاده سازی می نماییم و مقادیر خروجی را تحلیل و بررسی می کنیم.

 

تذکر۱:

قسمت های قبلی این مجموعه آموزشی را می توانید از اینجا مشاهده نمایید.

تذکر۲:

کتاب یادگیری ماشین آلپایدین (Alpaydın) میتوانید از اینجا و کتاب میشل (Tom Mitchell) را نیز از اینجا دانلود نمایید.

لازم به ذکر است این مجموعه از آموزش های گام به گام یادگیری ماشین در متلب برای اولین بار در ایران تهیه و توسط یکی از مجربترین اسانید در زمینه هوش مصنوعی آموزش داده شده است.

این مجموعه آموزشی بسیار مناسب برای محققین و دانشجویان در مقاطع کارشناسی، کارشناسی ارشد و دکتری می باشد که قصد یادگیری این درس و همچنین استفاده ازالگوریتم های هوش مصنوعی در مقاله و پایان نامه خود را دارند.

با تشکر

کلمه کلیدی:

, Cross validation, Decision Tree, Entropy, ID3, Information gain, K-fold Cross Validation, Multivariate trees, Omnivariate Trees, overfitting, Post Pruning, Univariate tree, validation, آنتروپی, درخت تصمیم, درخت تصمیم گیری, درخت رگرسیون, درخت طبقه بندی, رگرسیون, روش Post Pruning, Decision Tree, Entropy, ID3, Information gain, Univariate tree, آنتروپی, درخت تصمیم, درخت تصمیم گیری, درخت طبقه بندی, Decision Tree, Entropy, Univariate tree, آنتروپی, درخت تصمیم گیری, درخت طبقه بندی