آموزش کاهش ابعاد داده ها با استفاده از Scikit-learn

در این مجموعه آموزش با Scikit-learn آشنا شده و قدم به قدم کاهش ابعاد داده ها را بوسیله آن یاد گرفته و تجربه و تمرین خواهید کرد. 

عنوان اصلی : Reducing Dimensions in Data with scikit-learn

سرفصل ها :

بررسی اجمالی دوره
نمای کلی ماژول
پیش نیازها و رئوس مطالب دوره
نفرین ابعاد
مدل های بیش از حد برازش و پراکندگی داده ها
بررسی تکنیک‌های کاهش ابعاد
نسخه ی نمایشی: بررسی مجموعه داده های طبقه بندی
نسخه ی نمایشی: انجام طبقه بندی با تمام ویژگی ها
نسخه ی نمایشی: کاوش مجموعه داده های رگرسیون
نسخه ی نمایشی: انجام رگرسیون سینک آشپزخانه با استفاده از تکنیک های ML و غیر ML
انتخاب ویژگی و یادگیری فرهنگ لغت
نسخه ی نمایشی: استفاده از آزمون های رگرسیون خطی تک متغیره برای انتخاب ویژگی ها
نسخه ی نمایشی: تعریف توابع کمکی برای ساخت و آموزش چندین مدل با ویژگی های آموزشی مختلف
نسخه ی نمایشی: یافتن بهترین ارزش K
نسخه ی نمایشی: استفاده از اطلاعات متقابل برای انتخاب ویژگی ها
نسخه ی نمایشی: آموزش فرهنگ لغت برای یافتن نمایش های پراکنده داده ها
خلاصه
نمای کلی ماژول
شهود پشت تجزیه و تحلیل اجزای اصلی
نسخه ی نمایشی: پیاده سازی تجزیه و تحلیل مؤلفه های اصلی
نسخه ی نمایشی: ساخت مدل های رگرسیون با اجزای اصلی
تحلیل عاملی با استفاده از تجزیه ارزش منفرد
نسخه ی نمایشی: پیاده سازی تحلیل عاملی
تحلیل تشخیصی خطی برای کاهش ابعاد
نسخه ی نمایشی: مشاهده مرزهای جداسازی کلاس در مجموعه داده عنبیه
نسخه ی نمایشی: تحلیل تشخیصی خطی برای طبقه بندی
خلاصه
نمای کلی ماژول
فرضیه چندگانه و یادگیری چندگانه
نسخه ی نمایشی: ایجاد منحنی S منیفولد و توابع راهنما
نسخه ی نمایشی: مقیاس بندی چند بعدی متریک و غیر متریک
نسخه ی نمایشی: یادگیری منیفولد با استفاده از تعبیه طیفی TSNE و ایزومپ
نسخه ی نمایشی: یادگیری منیفولد با جاسازی خطی محلی
نسخه ی نمایشی: آماده سازی تصاویر برای اعمال یادگیری چندگانه برای کاهش ابعاد
نسخه ی نمایشی: یادگیری چندگانه با اعداد دست نویس
نسخه ی نمایشی: آماده سازی مجموعه داده Olivetti Faces برای یادگیری منیفولد
نسخه ی نمایشی: یادگیری منیفولد در مجموعه داده Olivetti Faces
خلاصه و مطالعه بیشتر