الگوریتم یادگیری ماشین رگرسیون لجستیک
9 اسفند 1397
نویسنده:
امین جلیل زاده رزین
436 بازدید
زمان تقریبی مطالعه:
< 1 دقیقه
درباره امین جلیل زاده رزین
کارشناس ارشد رشته مهندسی کامپیوتر گرایش نرم افزار - پایه گذار و موسس وب سایت آموزشی پی استور، مدرس دانشگاه فنی و حرفه ای، برنامه نویس و تحلیل گر سیستم، پژوهشگر در حوزه الگوریتم های ابتکاری، فرا ابتکاری، یادگیری ماشین، شبکه و پایگاه داده. ایشان در زبان های برنامه نویسی متعدد، نظیر ++C، سی شارپ، PHP ،Java، متلب MATLAB و Python تسلط و سابقه تدریس فعال دارند.
میزان رضایتمندی
دوست عزیز، لطفاً میزان رضایت خودتان را از این پست با دادن امتیاز اعلام کنید.
[تعداد آراء: 0 میانگین امتیاز: 0]
مطالب زیر را حتما مطالعه کنید
انواع خوشه بندی در داده کاوی — معرفی 6 نوع خوشه بندی پر کاربرد
در این پست به معرفی و بررسی انواع خوشه بندی در داده کاوی خواهیم پرداخت. در ابتدا لازم است به تعریف خوشه بندی بپردازیم و...
زمان مطالعه:
10 دقیقه
مطالعه کنید
آموزش deep learning بصورت گام به گام
در این مقاله به آموزش deep learning یا یادگیری عمیق میپردازیم. یادگیری عمیق deep learning زیرمجموعهای از یادگیری ماشین Machine Learning مبتنی بر شبکههای عصبی...
زمان مطالعه:
9 دقیقه
مطالعه کنید
پیاده سازی الگوریتم KNN در پایتون — آموزش کامل با Scikit-Learn
الگوریتم K نزدیک ترین همسایه (K-nearest neighbors | KNN) نوعی از الگوریتم های یادگیری ماشینی نظارت شده است. پیاده سازی الگوریتم KNN در پایتون در...
زمان مطالعه:
8 دقیقه
مطالعه کنید
آموزش یادگیری عمیق — از مفاهیم تا اصول پایه Deep Learning
با پست آموزش یادگیری عمیق در خدمتتان هستیم. یادگیری عمیق شاخهای از هوش مصنوعی است که طی آن، ماشین از رفتارها و خط فکری انسان...
زمان مطالعه:
9 دقیقه
مطالعه کنید
آموزش یادگیری عمیق با پایتون — آشنایی با Deep Learning و شبکه های عصبی
در این مقاله قصد داریم در مورد یادگیری ماشین و به ویژه آموزش یادگیری عمیق با پایتون صحبت کنیم. در بیان جزئیتر، نحوه ساخت شبکههای...
زمان مطالعه:
10 دقیقه
مطالعه کنید
آموزش انتخاب ویژگی با الگوریتم ژنتیک در پایتون – جامع و کاربردی
تدوین مقاله آموزش انتخاب ویژگی با الگوریتم ژنتیک، یک دلیل اساسی دارد و آنهم این است: چندی پیش، درگیر پروژه انبوه دادهای بودم که برایم بسیار پرهزینه و وقتگیر بود. این مشکل را با متخصصان علوم کامپیوتر...
زمان مطالعه:
8 دقیقه
مطالعه کنید
[…] برای این منظور باید تابعی ایجاد کنیم که ورودیها (متغیرهای مستقل) را گرفته و خروجی موردنظر (متغیر وابسته یا هدف) را تولید کند. فرآیند یافتن این تابع که در حقیقت کشف رابطهای بین متغیرهای مستقل و متغیرهای وابسته است را فرآیند آموزش می گوئیم که روی دادههای موجود (دادههایی که هم متغیرهای مستقل و هم متغیرهای وابسته آنها معلوم هستند مثلاً خریدهای گذشته مشتریان یک فروشگاه) اعمال میشود و تا رسیدن بهدقت لازم ادامه مییابد. نمونههایی از این الگوریتمها عبارتاند از رگرسیون، درختهای تصمیم، جنگلهای تصادفی، K نزدیکترین همسایه و رگرسیون لجستیک. […]