در حال حاضر محصولی در سبد خرید شما وجود ندارد.
در این مجموعه آموزش قدم به قدم یاد می گیرید که چطور پیچیدگی داده ها را حل کنید. مدرس دوره استفاده از ابزارها و برنامه ها و کدهای موجود در این زمینه را به شما یاد میدهد.
عنوان اصلی : Reducing Complexity in Data
بررسی اجمالی دوره
نمای کلی ماژول
پیش نیازها و رئوس مطالب دوره
نفرین ابعاد
اضافه برازش و مبادله بایاس واریانس
تکنیک هایی برای کاهش پیچیدگی
انتخاب تکنیک مناسب
معایب کاهش پیچیدگی
نسخه ی نمایشی: مجموعه داده های دیابت - کاوش
نسخه ی نمایشی: ایجاد یک مدل پایه
نسخه ی نمایشی: مجموعه داده قیمت مسکن بوستون - اکتشاف
نسخه ی نمایشی: رگرسیون سینک آشپزخانه برای ایجاد یک مدل پایه
خلاصه
نمای کلی ماژول
تکنیک های آماری برای انتخاب ویژگی
مروری بر مفهومی تکنیک های مختلف انتخاب ویژگی
نسخه ی نمایشی: انتخاب ویژگی ها با استفاده از آستانه واریانس
نسخه ی نمایشی: انتخاب K بهترین ویژگی با استفاده از تجزیه و تحلیل Chi2
نسخه ی نمایشی: تنظیم توابع کمکی برای انتخاب ویژگی
نسخه ی نمایشی: با استفاده از تجزیه و تحلیل Chi2 مقدار مناسب برای K را پیدا کنید
نسخه ی نمایشی: با استفاده از ANOVA مقدار مناسب برای K را پیدا کنید
نسخه ی نمایشی: ویژگی ها را با استفاده از درصد و تجزیه و تحلیل اطلاعات متقابل انتخاب کنید
نسخه ی نمایشی: آموزش فرهنگ لغت بر روی اعداد دست نویس
خلاصه
نمای کلی ماژول
درک تجزیه و تحلیل اجزای اصلی
نسخه ی نمایشی: اجرای PCA برای کاهش ابعاد
نسخه ی نمایشی: ساخت مدل های خطی با استفاده از اجزای اصلی
درک تحلیل عاملی
نسخه ی نمایشی: استفاده از تحلیل عاملی برای کاهش ابعاد
درک تحلیل تفکیک خطی
نسخه ی نمایشی: انجام تجزیه و تحلیل تشخیص خطی برای جهت دهی مجدد داده ها
خلاصه
نمای کلی ماژول
درک یادگیری چندگانه
نسخه ی نمایشی: منیفولد را ایجاد کنید و توابع کمکی را تنظیم کنید
نسخه ی نمایشی: یادگیری منیفولد با استفاده از مقیاس بندی چند بعدی و جاسازی طیفی
نسخه ی نمایشی: یادگیری منیفولد با استفاده از t-SNE و Isomap
نسخه ی نمایشی: یادگیری منیفولد با استفاده از جاسازی خطی محلی
نسخه ی نمایشی: اجرای هسته PCA برای کاهش پیچیدگی در داده های غیر خطی
خلاصه
نمای کلی ماژول
K-یعنی مدل Stacking
نسخه ی نمایشی: طبقه بندی تصویر با ویژگی های اصلی
نسخه ی نمایشی: تبدیل داده ها با استفاده از مراکز خوشه ای K-means
رمزگذاری خودکار
نسخه ی نمایشی: داده های تصویر را برای تغذیه رمزگذار خودکار آماده کنید
نسخه ی نمایشی: استفاده از رمزگذارهای خودکار برای یادگیری بازنمایی کارآمد از داده ها
خلاصه و مطالعه بیشتر
Reducing Complexity in Data
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.
Applying the Mathematical MASS Model with R
Predictive Analytics with PyTorch
آموزش ساخت بلاک چین با Hyperledger
Communicating Data Insights
Learning H20.ai
آموزش تحلیل داده ها با پایتون
آموزش طراحی مدل های یادگیری ماشینی
Building Blockchains with Hyperledger
Building Clustering Models with scikit-learn
Data Labeling for Machine Learning