- اطلاعات کلی
- مدرس : دکتر جاهد سراوانی
- قسمت : فصل هفتم - قسمت 27
- وضعیت محصول : غیر رایگان
- نوع آموزش : تصویری
- زبان : فارسی
- مدت زمان : 113 دقیقه
- حجم دوره: 324 مگابایت
- تاریخ : ۲۴ مهر ۱۳۹۶
با سلام
آموزش پیاده سازی درخت تصمیم گیری در متلب مربوط به فصل هفتم (قسمت ۲۷) 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 پیاده سازی درخت تصمیم گیری در متلب
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.
——————————————————————————–
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 پیاده سازی درخت تصمیم گیری در متلب
اسلایدهای این مجموعه آموزشی را می توانید از اینجا دانلود نمایید.
آموزش پیاده سازی درخت تصمیم گیری در متلب 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
سلام ایمیل مدرس اشتباه است.
کد هایی که توسط مدرس نوشته شده ما هم دقیقا به همان ترتیب می نویسیم ولی خطا دریافت می کنیم و الان هیچ دسترسی هم به دمدرس نداریم تا سوالمونو بپرسیم.
کیفیت تصویر هم بسیار پایین است و مدرس جای آموزش روخوانی می کند.