با سلام

این پست شامل  قسمت دهم از سری فیلم های آموزشی یادگیری ماشین می باشد. در این قسمت مفاهیم و توضیحات مربوط به روش طبقه بندی پارامتریک چند متغیره (parametric classification) مبتنی بر Likelihood با زبانی ساده و روان به تفصیل بیان می گردد.

مهمترین مطالب و موضوعاتی که در این قسمت بیان شده را بطور مختصر در زیر مشاهده می نمایید:

۱- تشریح فاصله ماهالانوبس Mahalanobis

۲- تحلیل حالات مختلف مقادیر کواریانس چند متغیره

۳- تحلیل حالات مختلف مقادیر دترمینان چند متغیره

۴- بررسی طبقه بندی پارامتریک چند متغیره

۵- تفاوت طبقه بندی پارامتریک تک متغیره با چند متغیره

۶- توضیح تابع جداکننده Quadratic

۷- بیان نحوه عملکرد ماکزیمم احتمال تخمین  MLE و روش LDA

۸- بیان محاسن و معایب روش های پارامتریک

 

تذکر۱:

ویدئو آموزش عملی این قسمت در MATLAB را می توانید از اینجا مشاهده نمایید.

تذکر۲:

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

تذکر۳:

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