آموزش ساخت درخت های تصمیم در زبان R

با مشاهده این کورس آموزشی از طریق انجام پروژه های واقعی و به زبانی بسیار ساده مطالب فراوانی را در رابطه با زبان برنامه نویسی R یاد می گیرید.

عنوان اصلی : Decision Trees Random Forests and Gradient Boosting in R

سرفصل ها :

01-به دوره خوش آمدید
مقدمه 02 بخش
03-مقدمه ای بر درختان تصمیم
04-ساختمان درختان تصمیم الف
05- درختان تصمیم گیری ساختمان ب
06-ساختمان درختان تصمیم ج
07-ساختمان درختان تصمیم د
مقدمه 08 بخش
کیس 09-edutravel
10- توصیف مجموعه داده
11-وارد کردن داده های csv به r
12-تغییر نوع داده
13-برخورد با داده های از دست رفته 1
14-ترکیب دسته های کمیاب
مجموعه داده های آموزش و آزمایش تقسیم 15 داده
معرفی 16 بخش
درختان 17 تصمیم با درخت
18-تفسیر نتایج
19-پیش بینی با ctree
20-ماتریس سردرگمی
منحنی 21-roc
22-auc
مقدمه 23 بخش
درختان 24 تصمیم با rpart
25-انتخاب پارامتر پیچیدگی
26- طبقه بندی و ماتریس سردرگمی
27-roc و auc rpart
مقدمه 28 بخش
29-مقدمه ای بر جنگل های تصادفی
30-ساخت یک جنگل تصادفی در r
31- طبقه بندی و ماتریس سردرگمی
32-roc و auc (rf)
مقدمه 33 بخش
34-مقدمه نظری برای تقویت گرادیان
مدل 35-xgboost
36-ماتریس پیش بینی و سردرگمی
37-roc و auc
38-نتیجه گیری