آموزش الگوریتم K نزدیکترین همسایه KNN
در این پست فیلم آموزش الگوریتم K نزدیکترین همسایه یا K همسایه نزدیک (KNN) قرار داده شده است. روش K نزدیکترین همسایه نزدیک K Nearest Neighbors یا (KNN) یک روش یادگیری موردی است و از جمله ساده‌ترین الگوریتم‌های یادگیری ماشین می‌باشد. در این الگوریتم یک نمونه با رای اکثریت از همسایه‌هایش دسته‌بندی می‌شود. K یک مقدار مثبت صحیح و عموماً کوچک است. فرد بودن مقدار k مفید می‌باشد چون با این کار جلوی آراء برابر گرفته می‌شود. روش k همسایه نزدیک، برای بسیاری از روش‌ها کاربرد دارد، زیرا اثربخش، غیرپارامتریک و دارای پیاده‌سازی راحت می‌باشد. با این حال زمان دسته‌بندی‌اش طولانی است و یافتن مقدار k بهینه مشکل است.
مراحل آموزش K همسایه نزدیک
مراحل آموزش الگوریتم KNN بسیار ساده است، این الگوریتم یک نمونه تستی را بر اساس k همسایه نزدیک دسته‌بندی می‌کند. نمونه‌های آموزشی به عنوان بردارهایی در فضای ویژگی چند بعدی مطرح می‌شوند. فضا به ناحیه‌هایی با نمونه‌های آموزشی تقسیم بندی می‌شود. یک نقطه در فضا به کلاسی تعلق می‌یابد که بیشترین نقاط آموزشی متعلق به آن کلاس در داخل نزدیکترین نمونه‌ی آموزشی به k در آن باشد.
معمولا فاصله‌ی اقلیدسی یا تشابه کوسینوسی در این روش استفاده می‌شود. در فاز دسته‌بندی K Nearest Neighbors، نمونه تستی به عنوان یک بردار در فضای ویژگی نمایش داده می‌شود و فاصله‌ی اقلیدسی یا تشابه کوسینوسی بردار تستی با کل بردارهای آموزشی محاسبه می‌شود و نزدیکترین نمونه‌ی آموزشی به k انتخاب می‌شود. سه فاکتور مهم در روش k همسایه‌ی نزدیک، به شرح زیر می‌باشد:
- معیار فاصله یا شباهت، برای پیداکردن k همسایه نزدیک استفاده می‌شود.
- K تعداد همسایه‌های نزدیک است.
- قانون تصمیم‌گیری برای تعیین (شناسایی) یک کلاس برای سند تستی از k همسایه نزدیک می‌باشد.
پیش نمایش 1
توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت ویدئوی اصلی نمایش داده شوند. این ویدئو یک نسخه 8 دقیقه ای از آموزش می باشد.
مشخصات فیلم آموزشی
نام اثر : آموزش الگوریتم K نزدیکترین همسایه KNN
مدرس : مهندس امین جلیل زاده
مدت زمان : 24 دقیقه
زبان آموزش : فارسی
حجم فایل : 1 فایل با فرمت rar با حجم (28 مگابایت)
فرمت ویدئو : MP4 با کیفیت متوسط
پس از خرید این مجموعه آموزشی پاورپوینت + فیلم آموزشی در اختیار شما قرار خواهد گرفت.
درباره محصول
آموزش الگوریتم K نزدیکترین همسایه KNN عنوان محصولی است که در این پست به آن پرداخته شده است. در این آموزش به توضیح و تشریح کامل روش K همسایه نزدیک پرداخته شده و بصورت کامل توسط گروه پشتیبانی پی استور تست و بازبینی شده است. محصول دارای نشان تضمین کیفیت پی استور می باشد. برای دانلود محصول آن را خریداری کنید.
قوانین ثبت دیدگاه
- دیدگاه های فینگلیش تایید نخواهند شد.
- دیدگاه های نامرتبط به مطلب تایید نخواهد شد.
- از درج دیدگاه های تکراری پرهیز نمایید.
- امتیاز دادن به محصول فقط مخصوص اعضای سایت می باشد.
اطلاعات فروشنده
- نام فروشگاه: مجموعه پی استور
- فروشنده: مجموعه پی استور
-
آدرس:
آذربایجان شرقی
اهر
امام خمینی
روبروی بانک تجارت - 4.90 امتیاز از 350 دیدگاه
آموزش شبکه عصبی با الگوریتم مورچه ACO در متلب
در این بخش سورس کد آموزش شبکه عصبی با الگوریتم مورچه ACO در متلب قرار داده شده است. برای افزایش دقت یادگیری در شبکه های عصبی می توان این شبکه را با الگوریتم های فرا ابتکاری یا تکاملی ترکیب کرد یعنی برای وزن دهی لایه های مختلف موجود که ارتباط آن ها با یال هایی است می توان مقادیر وزن ها ها یا یال ها را با الگوریتم های فرا ابتکاری تعیین کرد. یکی از مهم ترین الگوریتم ها، الگوریتم کلونی مورچگان یا الگوریتم مورچه ACO می باشد.
برنامه الگوریتم های زمانبندی در #C سی شارپ
در این پست برنامه الگوریتم های زمانبندی در #C سی شارپ برای چهار الگوریتم معروف زمانبندی یعنی FIFO , SJF , SRT و Round Robin قرار داده شده است. یک فرآیند (Process) اساساً یک برنامه در حال اجراست. منظور از برنامه در حال اجرا، کاری است که توسط زمان بند کار، انتخاب و وارد گردونه اجرا شده است ولی هنوز پایان نیافته و از سیستم خارج نشده است.
مروری بر مکانیزم های کنترل ازدحام در شبکه های حسگر بیسیم
کنترل ازدحام یکی از مسائل چالش برانگیز در شبکه های WSN است. که به ویژگیهای محدودیت منابع و تعداد گره های استقرار یافته در این شبکه ها مربوط است. در WSN، ازدحام به دلایل زیر اتفاق می افتد: تداخل بسته، سرریز بافر گره، رقابت بر سر کانال انتقال، نرخ ارسال، روش انتقال داده چند-به-یک و کانال انتقال متغیر با زمان و پویا. در واقع، ازدحام تاثیر قابل توجهی بر پارامترهای کیفیت سرویس نظیر نسبت تحویل بسته (PDR)، تأخیر انتها به انتها و مصرف انرژی دارد.
سورس کد الگوریتم ازدحام ذرات PSO گرافیکی در متلب
سورس کد الگوریتم ازدحام ذرات PSO گرافیکی در متلب عنوان موضوعی است که در این پست به آن پرداخته شده است. این الگوریتم با نام Particle Swarm Optimization Algorithm یا الگوریتم PSO نیز نامیده می شود. در این مجموعه سعی می کنیم تا جزئیات بهتری از شبیه ساز الگوریتم ازدحام ذرات PSO در GUI متلب ارائه دهیم.
فیلم آموزش الگوریتم شمع و پروانه MFO در متلب
در این فیلم آموزشی به توضیح کامل و واضح تئوری الگوریتم MFO یا شعله و پروانه پرداخته می شود. الگوریتم شعله پروانه یا الگوریتم Moth-flame optimization algorithm که به اختصار الگوریتم MFO نیز نامیده می شود یکی از الگوریتم های بهینه سازی و فراابتکاری است که از رفتار پروانه ها در کنار شعله یا آتش روشی برای حل مسئله پیدا می کند.
تعیین درخت پوشای مینیمم با الگوریتم پریم در پایتون Python
الگوریتم پریم در پایتون Python برای حل مسئله درخت پوشای کمینه عنوان محصولی است که در این پست به آن پرداخته شده است. الگوریتم پریم یک روش حریصانه Heuristic است. از این الگوریتم برای حل مسئله درخت پوشا مینیمم استفاده می شود. درخت پوشای کمینه یا همان مینیمم که به اصطلاح (MST (Minimum Spanning Tree نیز گفته می شود درختی است که در آن مجموع وزن لبه به حداقل برسد و تمامی گره ها یا راس ها شامل شود.
محصولات مشابه
قیمت 25,000 تومان
این محصول، فیلم آموزشی و بصورت rar قابل دانلود است. بلافاصله پس از خرید، لینک دانلود محصول در اختیار شما قرار خواهد گرفت.
با خرید این محصول از مزایای زیر بهره‌مند می‌شوید:
- دسترسی به فایل محصول به صورت مادام‌العمر
- ۶ ماه پشتیبانی کاملا رایگان و تضمین شده
programstore(مدیریت)
نظرات و پیشنهادات خود را با ما در میان بگذارید.
نسیم
سلام . آموزش تون از لحاظ کامل بودن برای مثال knn بسیار عالی و بی نقص بود همچنین بسیار روان توضیح داده شده . از همه مهمتر قیمتش خیلی منصفانه هست ممنونم . خدا همراهتون. یاعلی
مهسا الدی
آموزش کامل بود مرسی از شما
نگار
آموزشتون خیلی کاربردی بود ممنون 🙏
Hossein
سلام
در پک آموزشتون کد مربوطه یا مثالی همراه با کد موجوده؟