توسعه سیستم های طبقه بندی و رگرسیون با یادگیری ماشینی در زبان Python

برنامه Sneak Peek دسترسی سریع به محصولات ویدئویی پیرسون را فراهم می کند و به طور انحصاری برای مشترکین Safari در دسترس است. محتوا برای عناوین در این برنامه در طول چرخه توسعه در دسترس است، بنابراین محصولات ممکن است کامل، ویرایش، و یا نهایی، از جمله ویرایش ویدئو پس از تولید ویدئو.
دکتر مارک فنرر، صاحب آموزش و مشاوره Fenner، LLC، محاسبات و ریاضیات را به مخاطبان گوناگون بزرگسال از سال 1999 آموزش داده و دکترا در علوم رایانه را نگه می دارد. تحقیق او شامل طراحی، پیاده سازی و عملکرد یادگیری ماشین و الگوریتم های عددی است؛ توسعه سیستم های یادگیری برای تشخیص ناهنجاری های کاربر؛ و مدل سازی احتمالاتی از عملکرد پروتئین.

عنوان اصلی : Developing Classification and Regression Systems (Machine Learning with Python for Everyone Series), Part 3

سرفصل های دوره :

مقدمه:
توسعه سیستم های طبقه بندی و رگرسیون (یادگیری ماشین با سری پایتون برای همه)، قسمت 3 LiveLessons: Introduction
درس 1: روش های طبقه بندی اساسی:
موضوعات
1.1 بازبینی طبقه بندی
1.2 درختان تصمیم I
1.3 درختان تصمیم II
1.4 دسته بندی بردار پشتیبانی I
1.5 دسته بندی بردار پشتیبانی II
درس 2: روش های طبقه بندی اساسی I :
موضوعات
2.1 رگرسیون لجستیک I
2.2 رگرسیون لجستیک II
2.3 تجزیه و تحلیل متمایز I
2.4 تجزیه و تحلیل متمایز II
2.5 سوگیری و واریانس طبقه بندی کننده ها
2.6 مقایسه طبقه بندی کننده ها
درس 3: روش های رگرسیون بنیادی:
موضوعات
3.1 رگرسیون جریمه شده I
3.2 ​​رگرسیون مجازات شده II
3.3 رگرسیون ثابت تکه ای
3.4 درختان رگرسیون
3.5 سوگیری و واریانس رگرسیورها
3.6 مقایسه رگرسیورها
درس 4: مهندسی ویژگی های دستی:
موضوعات
4.1 مروری بر مهندسی ویژگی
4.2 مقیاس‌بندی ویژگی
4.3 گسسته سازی
4.4 کدگذاری دسته بندی
4.5 فعل و انفعالات
4.6 دستکاری های هدف
درس 5: فراپارامترها و خطوط لوله:
موضوعات
5.1 مدل‌ها، پارامترها و فراپارامترها
5.2 تنظیم فراپارامترها
5.3 تأیید متقابل تودرتو
5.4 خطوط لوله
5.5 تنظیم خطوط لوله
خلاصه:
توسعه سیستم های طبقه بندی و رگرسیون (یادگیری ماشین با سری پایتون برای همه)، قسمت 3 LiveLessons: Summary