در حال حاضر محصولی در سبد خرید شما وجود ندارد.
در این مجموعه آموزش با XGBoost آشنا شده و یاد می گیرید که چطور با آن دسته بندی یا همان Classification را یاد می گیرید.
عنوان اصلی : Applied Classification with XGBoost
بررسی اجمالی دوره
شروع به کار اسلایدها
کاوش و بهینه سازی داده ها
تجسم داده ها
طبقه بندی های پایه
خلاصه شروع
اسلایدهای تقویت کننده گرادیان
ایجاد و کاوش XGBoost
خلاصه افزایش گرادیان
اسلایدهای منظم سازی و فراپارامترها
لامبدا و آلفا
میزان یادگیری
تعداد برآوردگرها، حداکثر عمق و گاما
نمونه گیری و جستجوی شبکه ای
خلاصه منظم سازی و فراپارامترها
اسلایدهای سنجش و ارزیابی
دقت
ROC و AUC
ماتریس سردرگمی، دقت، و یادآوری
منحنی فراخوان دقیق
منحنی یادگیری
خلاصه معیارها و ارزیابی
تفسیر اسلایدهای مدل
اهمیت ویژگی
تعاملات ویژگی
وابستگی های جزئی
اهک
SHAP
خلاصه مدل های تفسیر
Applied Classification with XGBoost
در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.
Core Python 3: The Numeric Tower, Conversion, and Operators
Core Python 3: The Numeric Tower, Conversion, and Operators
Applied Machine Learning: Algorithms
Getting Started with Python for Finance
Core Python 3: The Numeric Tower, Conversion, and Operators
Python Statistics Essential Training
Applied Machine Learning: Feature Engineering
آموزش کدنویسی اعداد ، تبدیل اعداد و عملگرهای عددی در Python