با سلام

این پست شامل  قسمت بیست و سوم از سری فیلم های آموزشی یادگیری ماشین می باشد. این قسمت شامل فصل جدیدی به نام روش های non parametric می باشد. پیش نیاز روش های درخت تصمیم (فصل ششم)، آشنایی با روش های non parametric می باشد. قسمت های بیستم تا بیست و سوم دربرگیرنده روش های non parametric می باشند.

 

 

در قسمت بیستم و سوم مباحث تئوری مطرح شده در قسمت های ۲۰، ۲۱ و ۲۲ را در قالب چندین مثال عملی در متلب آموزش می دهیم. کدها را بطور خط به خط بررسی می نماییم و سپس مقادیر خروجی را روی نمودار نمایش و سپس تحلیل می نماییم

در این ویدیو

۱- تخمین چگالی Non parametric توسط روش تخمین Kernel

۲-تخمین چگالی Non parametric توسط توابع Kernel مختلف

۳- روش طبقه‌بندی Non parametric توسط روش تخمین Kernel

۴- روش طبقه بندی Naive-bayes با استفاده از روش‌های Parametric

۵- روش طبقه بندی Naive-bayes با استفاده از روش‌های Non parametric

۶- روش طبقه بندی Knn با استفاده از فواصل Mahalanobis و Euclidean

۷- روش طبقه بندی Knn

۸- روش طبقه بندی Mknn

۹- روش طبقه بندی r near neighbours

۱۰- روش طبقه بندی Knn با استفاده از Cross validation

۱۱- روش رگرسیون Non parametric

۱۲- روش استفاده از تولباکس های  Distribution fitter،(Knn) Curve fitting، Classification learner

به صورت مفصل بررسی شده اند.

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