قسمت هجدهم دوره آموزش یادگیری ماشین از مقدماتی تا پیشرفته
.
یکی از مشکلات اساسی توی حوزه یادگیری ماشین (Machine Learning) بُعد بالای بردار ویژگی (Feature vector) هست. برای حل این مشکل لازم هست قبل از فرآیند آموزش (training) که بُعد داده ها رو کاهش بدیم. چرا؟ چون با اینکار هم سرعت محاسبات بالا میره و هم داده هایی که زاید (redundant) هستند و اطلاعات زیادی برای ما ندارند رو حذف میکنیم.
الگوریتم تحلیل مولفه اصلی (Principle Component Analysis (PCA)) به ما کمک میکنه تا اینکار رو ساده تر انجام بدیم. این الگوریتم با پیدا کردن مولفه های اصلی اطلاعات سعی در یافتن ویژگیهایی داره که بیشترین واریانس رو برای ما فراهم میکنند و در عین حال خطای کاهش بُعد کمتری دارند. در این جلسه با هم یاد میگیریم چرا این کار لازم هست و کجا میشه اینکار رو کرد؟
بعد یاد میگیریم این الگوریتم چطور کار میکنه و در نهایت اون رو با استفاده از کتابخانه sklearn پیاده سازی میکنیم.
.
لینک جلسات مرتبط با این دوره
جلسه پیش پردازش دیتاست دیابت [ Ссылка ]
جلسه آشنایی با معیارهای ارزیابی مختلف (accuracy, precision, recall) [ Ссылка ]
ساخت محیط مجازی (virtual environment) دوره [ Ссылка ]
آشنایی و کار با کتابخانه numpy در 20 دقیقه [ Ссылка ]
آشنایی و کار با کتابخانه pandas در 20 دقیقه [ Ссылка ]
آشنایی و کار با کتابخانه matplotlib در 10 دقیقه [ Ссылка ]
نحوه نصب کتابخانه ها و پکیجها در پایتون [ Ссылка ]
دوره آموزش پایتون از مقدماتی تا پیشرفته [ Ссылка ]
ممنون میشم اگر ویدیوها آموزنده هست اونها رو لایک کنید، توی کانالمون سابسکرایب کنید و اونها رو با دیگران هم به اشتراک بذارین.
*لطفا از دانلود ویدیوها اجتناب کنین، برای این ویدیوها زحمت زیادی کشیده شده (من راضی نیستم که اونها رو دانلود کنید) و به همین دلیل تنها راه استفاده رایگان، تماشای آنلاین هست.*
لینک کانال تلگرام [ Ссылка ]
اگر برای ورود به دنیای برنامه نویسی و آموزش آن به صورت خودآموز نیاز به راهنمایی و مشاوره دارید، میتونین از طریق لینک زیر جهت رزرو زمان مناسب اقدام کنید تا با هم در موردش صحبت کنیم و یه شروع قدرتمند داشته باشین.
[ Ссылка ]
