در حال حاضر محصولی در سبد خرید شما وجود ندارد.
همانطور که می دانید scikit-learn از بهترین ابزارها برای پیاده سازی یادگیری ماشینی و انجام پروژه های هوش مصنوعی است. در این دوره آموزشی استفاده از همه امکانات و قابلیت های آن را یاد می گیرید.
عنوان اصلی : Employing Ensemble Methods with scikit-learn
بررسی اجمالی دوره
نمای کلی ماژول
پیش نیازها و رئوس مطالب دوره
مروری سریع بر یادگیری گروه
میانگین گیری و تقویت، رای گیری و انباشته
درختان تصمیم در یادگیری گروهی
درک درختان تصمیم
مدل های بیش از حد و یادگیری گروه
شروع و کاوش در محیط
کاوش در مجموعه داده های طبقه بندی
رای گیری سخت
رای گیری نرم
خلاصه ماژول
نمای کلی ماژول
بسته بندی و چسباندن
فضاهای فرعی تصادفی و وصله های تصادفی
درختان اضافی
میانگین گیری در مقابل افزایش
کاوش مجموعه داده های رگرسیون
رگرسیون با استفاده از بسته بندی و چسباندن
رگرسیون با استفاده از زیرفضاهای تصادفی
طبقه بندی با استفاده از بسته بندی و چسباندن
طبقه بندی با استفاده از وصله های تصادفی
رگرسیون با استفاده از جنگل تصادفی
رگرسیون با استفاده از درختان اضافی
طبقه بندی با استفاده از جنگل تصادفی و درختان اضافی
خلاصه ماژول
نمای کلی ماژول
تقویت تطبیقی (AdaBoost)
رگرسیون با استفاده از AdaBoost
طبقه بندی با استفاده از AdaBoost
افزایش گرادیان
رگرسیون با استفاده از تقویت گرادیان
تنظیم فراپارامتر رگرسیور تقویت کننده گرادیان با استفاده از جستجوی گرید
تنظیم فراپارامتر با استفاده از شروع گرم و توقف زودهنگام
خلاصه ماژول
نمای کلی ماژول
پشتهسازی
طبقه بندی با استفاده از یک گروه انباشته
خلاصه و مطالعه بیشتر
Employing Ensemble Methods with scikit-learn
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.
آموزش Deploy کردن راهکارهای یادگیری ماشینی
Advanced PostgreSQL
Apache Airflow Essential Training
Building Statistical Summaries with R
Solving Problems with Numerical Methods
Applying the Mathematical MASS Model with R
Data Labeling for Machine Learning
آموزش کاهش ابعاد داده ها با استفاده از Scikit-learn
Building Machine Learning Models on Databricks
Image Classification with PyTorch