آموزش تقویت مدل های یادگیری ماشینی در زبان Python

در این دوره آموزشی یاد می گیرید که چطور مدل های یادگیری ماشینی را در زبان پایتون تقویت کنید. مدرس دوره مباحث را به زبانی ساده و در حین کار بر روی پروژه های واقعی به شما عزیزان یاد میدهد.

عنوان اصلی : Boosting Machine Learning Models in Python

سرفصل ها :

مقدمه ای بر الگوریتم های گروهی:
بررسی اجمالی دوره
الگوریتم های گروهی چیست و چرا اینقدر قدرتمند هستند؟
راه اندازی برای یادگیری الگوریتم های گروه
بررسی اجمالی و آماده سازی مجموعه داده
مرور کد آماده‌سازی مجموعه داده
الگوریتم های بسته بندی (تجمیع بوت استرپ):
با استفاده از الگوریتم درختان تصمیم کیسه ای
با استفاده از الگوریتم جنگل تصادفی
استفاده از الگوریتم Extra-Trees
الگوریتم های تقویتی:
با استفاده از الگوریتم AdaBoost
استفاده از ماشین های تقویت گرادیان (تقویت گرادیان تصادفی)
رای گیری و چیدمان:
مروری بر رای گیری و انباشته
نمونه رای گیری
انباشته مثال
تقویت بسیار بهینه - الگوریتم XGBoost:
مقدمه ای بر XGBoost
آماده سازی داده برای XGBoost
استفاده از مدل XGBoost برای طبقه بندی
تنظیم الگوریتم XGBoost:
بهترین تعداد و اندازه درختان تصمیم را بیابید
انتخاب و استفاده از مهمترین ویژگی ها از مجموعه داده شما
نرخ یادگیری مناسب را برای به حداقل رساندن بیش از حد مناسب انتخاب کنید