
- اطلاعات کلی
- مدرس : دکتر جاهد سراوانی
- قسمت : فصل هفتم - قسمت 26
- وضعیت محصول : غیر رایگان
- نوع آموزش : تصویری
- زبان : فارسی
- مدت زمان : 65 دقیقه
- حجم دوره: 177 مگابایت
- تاریخ : ۲۵ فروردین ۱۳۹۶
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:
۲- مفهوم Information gain و الگوریتم ID3
۳- مفهوم Overfitting و الگوریتم K-fold Cross Validation
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
kheili mamnon babat nashr in video ?sharmande aya barnameie baraiee nashr video haiee in majmoeee hast?masalan video baadi kai montasher mishe to site.