با سلام

آموزش Overfitting و K-fold Cross Validation – درخت تصمیم گیری  مربوط به فصل هفتم (قسمت ۲۶) از سری فیلم های آموزشی یادگیری ماشین می باشد.  فصل هفتم در چهار قسمت (۲۴-۲۷) به آموزش درخت تصمیم میپردازد.

فصل هفتم شامل زیر بخش های زیر می باشد:

۱- مفهوم درخت تصمیم و آنتروپی

۲- مفهوم Information gain و الگوریتم ID3

۳- مفهوم Overfitting و الگوریتم K-fold Cross Validation 

۴- پیاده سازی درخت تصمیم

 

مباحث آموزش Overfitting و K-fold Cross Validation

در قسمت بیستم و ششم موارد زیر آموزش داده می شود:

۱- بیان مفهوم درخت رگرسیون

۲- بیان مفهوم Overfitting

۳- تشریح روش های جلوگیری از Overfitting

۴- بیان روش Post Pruning

۵- تشریح درخت های چند متغیره Multivariate trees

۶- تشریح درخت تصمیم‌گیری Omnivariate Trees

۷- بیان معایب درخت های تصمیم گیری

۸- بیان انواع معیارهای توقف رشد درخت‌ تصمیم‌گیری

۹- بیان درخت های تصمیم گیری در متلب

۱۰- روش داده های Validation در درخت تصمیم‌گیری

۱۱- تشریح روش Cross Validation در درخت تصمیم‌گیری

۱۲- تشریح روش K-fold Cross Validation در درخت تصمیم‌گیری

——————————————————————————–

سرفصل های این مجموعه آموزشی یادگیری ماشین در متلب شامل موارد زیر می باشد:

سرفصل های آموزش جامع یادگیری ماشین:

فصل اول: آمار مقدماتی

فصل دوم: مفهوم یادگیری نظارت شده

فصل سوم: رگرسیون خطی و رگرسیون منطقی

فصل چهارم: روش های طبقه بندی پارامتریک

فصل پنجم : شبکه های عصبی

فصل ششم: روش های طبقه بندی غیر پارامتریک

فصل هفتم: درخت تصمیم گیری

فصل هشتم: ماشین بردار پشتیبان SVM

فصل نهم: روش های ترکیبی Ensemble Methods

تذکر

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

دانلود اسلاید های آموزش Overfitting و K-fold Cross Validation

اسلایدهای این مجموعه آموزشی را می توانید از اینجا دانلود نمایید.

 

آموزش Overfitting و K-fold Cross Validation – درخت تصمیم گیری 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