با سلام

این پست شامل فصل هشتم از مجموعه آموزشی یادگیری ماشین می باشد. فصل هشتم از مجموعه آموزشی یادگیری ماشین شامل سه قسمت ۳۵-۳۳ می باشد. در این سه قسمت مفاهیم و توضیحات مربوط به روش های ترکیبی Ensemble Methods با زبانی ساده و روان به تفصیل بیان می گردد. سپس پیاده سازی آن ها در متلب آموزش داده می شود.

این مجموعه ویدئوهای آموزشی شامل موارد زیر است:

۱- مقدمه

۲- روش Voting

۳- روش ECOC

۴- روش Bagging

۵- روش Boosting

۶- روش Adaboost

۷- روش Stacked generalization

۸- روش Cascading

۹- پیاده سازی در متلب

 

اولین بخش (قسمت ۳۳) از این مجموعه آموزشی را می توانید بصورت رایگان از اینجا دانلود نمایید. لینک های دانلود دو بخش دیگر (قسمت ۳۴ و ۳۵) پس از تکمیل مراحل خرید نمایش داده می شود.

 

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

کلمه کلیدی:

یادگیری ماشین در متلب – Ensemble Methods ، روش Voting , روش ECOC , روش Bagging , روش Boosting , روش Adaboost , روش Stacked generalization , روش Cascading