در حال حاضر محصولی در سبد خرید شما وجود ندارد.

پنل کاربری

رمز خود را فراموش کرده اید؟ اگر اولین بار است از سایت جدید استفاده میکنید باید پسورد خود را ریست نمایید.
دسته بندی
دسته بندی

در حال حاضر محصولی در سبد خرید شما وجود ندارد.

آموزش مباحث Decision Trees, Random Forests, AdaBoost & XGBoost در زبان R

15,900 تومان
بیش از یک محصول به صورت دانلودی میخواهید؟ محصول را به سبد خرید اضافه کنید.
افزودن به سبد خرید
خرید دانلودی فوری

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.

ویدئو معرفی این محصول

در این دوره آموزشی ابتدا با مزایا و چیستی هر یک از مباحث Decision Trees, Random Forests, AdaBoost & XGBoost آشنا شده و سپس کدنویسی آنها را تک به تک و از طریق پروژه های واقعی در زبان R یاد خواهید گرفت.

عنوان اصلی : Decision Trees, Random Forests, AdaBoost & XGBoost in R

سرفصل ها :


معرفی :
به دوره خوش آمدید!
راه اندازی R Studio و R Crash Course:
نصب استودیو R و R
منابع دوره
مبانی استودیو R و R
بسته ها در R
وارد کردن داده قسمت 1: مجموعه داده های داخلی R
وارد کردن داده ها قسمت 2: ورود دستی داده ها
وارد کردن داده ها قسمت 3: وارد کردن از فایل های CSV یا متنی
ایجاد بارپلات در R
ایجاد هیستوگرام در R
مبانی یادگیری ماشین:
مقدمه، مفاهیم کلیدی و مثال ها
مراحل ساخت یک مدل ML
درختان تصمیم گیری ساده:
مبانی درختان تصمیم
درک درخت رگرسیون
معیارهای توقف برای کنترل رشد درختان
مجموعه داده ها برای دوره
وارد کردن مجموعه داده به R
تقسیم داده ها به مجموعه تست و قطار در R
ساختن درخت رگرسیون در R
هرس درخت
هرس درخت در R
درخت طبقه بندی ساده:
درختان طبقه بندی
مجموعه داده ها برای مشکل طبقه بندی
ساخت درخت طبقه بندی در R
مزایا و معایب درختان تصمیم
تکنیک گروه 1 - کیسه زنی:
کوله بری
کوله بری در آر
تکنیک گروه 2 - جنگل تصادفی:
تکنیک جنگل تصادفی
جنگل تصادفی در R
تکنیک گروه 3 - تقویت:
تکنیک های تقویت
افزایش گرادیان در R
AdaBoosting در R
XGBoosting در R
نتیجه گیری دوره
بخش پاداش:
سخنرانی پاداش
پیوست 1: پیش پردازش و آماده سازی داده ها قبل از ساخت هر مدل:
جمع آوری دانش کسب و کار
کاوش داده ها
داده ها و دیکشنری داده ها
وارد کردن مجموعه داده به R
تجزیه و تحلیل تک متغیره و EDD
EDD در R
درمان پرت
درمان پرت در R
مقدار گمشده
مقدار گمشده در R
فصلی بودن در داده ها
تجزیه و تحلیل دو متغیره و تبدیل متغیر
تبدیل متغیر در R
متغیرهای غیر قابل استفاده
ایجاد متغیر ساختگی: مدیریت داده های کیفی
ایجاد متغیر ساختگی در R
ماتریس همبستگی و رابطه علت و معلولی
ماتریس همبستگی در R

نمایش سرفصل های انگلیسی

Decision Trees, Random Forests, AdaBoost & XGBoost in R