فیلم یادگیری کامل Evaluating a Data Mining Model

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

سرفصل ها :

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