در حال حاضر محصولی در سبد خرید شما وجود ندارد.
با مشاهده این کورس آموزشی از طریق انجام پروژه های واقعی و به زبانی بسیار ساده مطالب فراوانی را در رابطه با مدلهای داده یاد می گیرید.
عنوان اصلی : Evaluating a Data Mining Model
بررسی اجمالی دوره
نمای کلی ماژول
پیش نیازها و رئوس مطالب دوره
ارزیابی نتایج داده کاوی
مدلهای جعبه سفید و دریفت مفهومی
مدل سادگی
ارزیابی مدل های خوشه بندی
نسخه ی نمایشی: انجام تجزیه و تحلیل خوشه بندی با استفاده از خوشه بندی K-means
نسخه ی نمایشی: انجام تجزیه و تحلیل خوشه بندی با استفاده از خوشه بندی تجمعی و خوشه بندی میانگین شیفت
نسخه ی نمایشی: ارزیابی خوشه بندی K-means با استفاده از مجموع فاصله های مربعی و امتیاز تصویر
نسخه ی نمایشی: ارزیابی خوشه بندی تجمعی و تخمین پهنای باند مناسب برای خوشه بندی میانگین شیفت
خلاصه ماژول
نمای کلی ماژول
قانون استخراج انجمن برای تحلیل سبد بازار
پشتیبانی و مجموعه آیتم های مکرر
اعتماد به نفس، بالا بردن، و اعتقاد
مروری بر الگوریتم Apriori
نسخه ی نمایشی: استفاده از الگوریتم Apriori برای تولید مجموعه های مکرر
نسخه ی نمایشی: استخراج قوانین انجمن در مجموعه داده های اسباب بازی
نسخه ی نمایشی: کاوش مجموعه داده های سبد نان
نسخه ی نمایشی: استخراج قوانین انجمن با استفاده از داده های سبد نان
خلاصه ماژول
نمای کلی ماژول
یافتن بهترین خط مناسب
تفسیر نتایج رگرسیون
R-square و Adjusted R-square
آمار T و آمار F
نسخه ی نمایشی: کاوش مجموعه داده های رگرسیون
نسخه ی نمایشی: ساخت و ارزیابی یک مدل رگرسیون
نسخه ی نمایشی: تفسیر نتایج با استفاده از پسماندها و منحنی های یادگیری
نسخه ی نمایشی: ارزیابی مدل های رگرسیون چندگانه
خلاصه ماژول
نمای کلی ماژول
دقت به عنوان یک معیار ارزیابی
دقت و یادآوری برای ارزیابی طبقهبندیکنندهها
منحنی ROC
اعتبارسنجی مدلها با استفاده از مجموعههای آموزشی، اعتبارسنجی و تست
K-fold Cross Validation
نسخه ی نمایشی: بررسی مجموعه داده های طبقه بندی
نسخه ی نمایشی: K-fold، Hold-out، و Shuffle Split Cross Validation
نسخه ی نمایشی: جستجوی شبکه برای تنظیم فراپارامتر با اعتبارسنجی متقاطع
نسخه ی نمایشی: ارزیابی مدل با استفاده از دقت، دقت، یادآوری و منحنی ROC
خلاصه ماژول
Evaluating a Data Mining Model
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.
Data Engineering Pipeline Management with Apache Airflow
Style Transfer with PyTorch
Learning Graph Neural Networks
Implementing Bootstrap Methods in R
آموزش ساخت شبکه های عصبی بوسیله scikit-learn
Applying the Mathematical MASS Model with R
Combining and Shaping Data
آموزش انتقال استایل ها بوسیله PyTorch
آموزش پیاده سازی متدهای Bootstrap در زبان R
Summarizing Data and Deducing Probabilities
✨ تا ۷۰% تخفیف با شارژ کیف پول 🎁
مشاهده پلن ها