نتایج جستجوی شما

در این قسمت مروری بر مباحث و موضوعاتی که در دوره‌ی یادگیری ماشین مبتنی بر درخت آموزش دیده‌اید، خواهید داشت.

در این قسمت با کمک مجموعه داده‌ی بایک که مربوط می‌شود به داده‌های تقاضای اشتراک دوچرخه، به تمرین تنظیم فراپارامترهای جنگل‌های تصادفی (RF) می‌پردازید.

در این قسمت با استفاده از مجموعه داده‌های بیماران کبدی، به تمرین تنظیم هایپر پارامترهای CART می‌پردازید.

در این قسمت، روش‌های بهینه‌سازی حداکثر عمق (max depth)، حداقل نمونه برای انشعاب (min samples split) و معیار ناخالصی را با استفاده از Grid Search Cross-Validation یاد می‌گیرید تا به بهترین مدل ممکن برسید.

در این قسمت، به تمرین تقویت گرادیان تصادفی با کمک مجموعه داده‌ی بایک میپردازید.

در این قسمت، با نحوه کارکرد SGB، اینکه چگونه نسبت به گرادیان بوستینگ مرسوم، پیشگیری بهتری از بیش‌برازشی دارد و چگونگی استفاده از آن در پروژه‌های یادگیری ماشینی، آشنا می‌شوید.

در این قسمت با کمک مجموعه داده‌ی بایک که مربوط می‌شود به داده‌های تقاضای اشتراک دوچرخه، به تمرین تقویت گرادیان میپردازید.

در این قسمت، یاد می‌گیرید گرادیان بوستینگ چگونه خطاها را کمینه می‌کند و چطور می‌توانید آن را در پایتون پیاده‌سازی کنید.

در این قسمت با استفاده از مجموعه داده‌ی بیماران کبدی، به تمرین الگوریتم آدابوست می‌پردازید.