ارزیابی استاندارد برای مدل های طبقه بندی، دقت طبقه بندی است. دو نوع اصلی تسک طبقه بندی وجود دارد: طبقه بندی باینری (binary) و چند طبقه (multi-class). دیتاست های طبقه بندی باینری
ادامه مطلبطبقه بندی مشاغل با هدف جلوگیری از بهره کشی از کار دیگران ، استاندارد سازی مشاغل، استقرار مناسبات صحیح کارگاه با بازار کار در زمینه مزد و مشخص بودن شرح وظایف و دامنه مسئولیت مشاغل مختلف در کارگاه اجرا می شود.
ادامه مطلبScikit-learn ، از کتابخانه پایتون برای یادگیری ماشین می توان برای ساخت طبقه بندی در پایتون استفاده کرد. مراحل ساخت یک طبقه بندی در پایتون به شرح زیر است – مرحله ۱: وارد کردن بسته پایتون لازم
ادامه مطلبآموزش طبقه بندی داده های آیریس با درخت تصمیم C5 در R. در این بخش فیلم آموزشی طبقه بندی داده های آیریس (Iris) با الگوریتم درخت تصمیم C5 در R را به زبان انگلیسی آماده کرده ایم که در مدت ۴۵ دقیقه تهیه شده ...
ادامه مطلباین یک دستهبندیکننده بیزی (Naive Bayes Classifier) است، بیز ساده فرض میکند که ویژگیها مستقل هستند. بنابراین: P (ویژگی ۱ = ۲ و ویژگی ۲ = ۱۰) = P (ویژگی ۱ = ۲) * P (ویژگی ۲ = ۱۰) بیایید این شرایط را به ترتیب x1 و ...
ادامه مطلباین دوره به شما پایه ای قوی در جنبه های اصلی یادگیری ماشین، یعنی خوشه بندی و طبقه بندی، می دهد. در ادامه، از خواندن و پاکسازی داده ها گرفته تا یادگیری ماشین، تا در نهایت پیاده سازی الگوریتم های قدرتمند یادگیری ماشین، و ...
ادامه مطلبارزش دیتاستهای یادگیری ماشین کوچک. تعدادی دیتاست یادگیری ماشین کوچک برای طبقه بندی و مسائل مدل سازی پیش بینی رگرسیون وجود دارند که اغلب مورد استفاده قرار می گیرند. گاهی اوقات مجموعه داده ها به عنوان پایه ای برای ...
ادامه مطلبمعرفی الگوریتم طبقه بندی درخت تصمیم C5. در این بخش به معرفی الگوریتم طبقه بندی درخت تصمیم C5 یا C5.0 Decision Tree Algorithm می پردازیم که یکی از تکنیک های مدلسازی در یادگیری ماشین (Machine Learning) می باشد. در ادامه ابتدا به توضیحاتی از درخت ...
ادامه مطلبآموزش انواع مسائل طبقه بندی Classification. طبقه بندی یکی از روش های یادگیری ماشین است و برای یادگیری چگونگی تخصیص برچسب کلاس به یک نمونه ورودی، استفاده می شود. مسئله طبقه بندی را به چهار دسته تقسیم ...
ادامه مطلبالگوریتم طبقه بندی کننده ساده بیز (یادگیری نظارت شده – طبقه بندی): – بر اساس قضیه بیز، این طبقه بندی کننده یک کلاس/رده را به طور مستقل برای هر مقدار پیش بینی می کند.
ادامه مطلبSVMها – ماشینهای بردار پشتیبان. بر اساس ویکیپدیا SVMها همچنین میتوانند برای دو چیز استفاده شوند، طبقهبندی و رگرسیون. SVM برای طبقهبندی استفاده میشود. SVR یا(Support Vector Regression) برای رگرسیون.
ادامه مطلبماشین بردار پشتیبان یا همان Support Vector Machine که به اختصار SVM نیز خوانده میشود، میتواند از بینِ خطوطِ مختلف در شکل بالا، خطِ مناسب را جهت طبقهبندی پیدا کند. اما این خطِ مناسب چگونه پیدا میشود؟
ادامه مطلبیکی از محبوبترین و در عین حال سادهترین الگوریتمهای درختهای تصمیم، درخت تصمیمِ CART است که کاربردهای زیادی در طبقهبندی و رگرسیون دارد. CART که خود مخفف Classification and Regression Tree است بر اساس درخت های دودویی (باینری) بنا ...
ادامه مطلبالگوریتم Support Vector Machine یا همان بردار پشتیبان است که برای طبقهبندی دادهها استفاده میشود. دلیل محبوبیت SVM بین دیگر الگوریتم های یادگیری ماشین، قابل اعتماد بودن و توانایی کار با حجم داده ...
ادامه مطلبماشین بردار پشتیبان (Support Vector Machine): ماشین بردار پشتیبان (SVM) نیز یک الگوریتم محبوب برای طبقهبندی دودویی است. با استفاده از توزیع دادهها در فضای ویژگی، SVM سعی میکند یک سطح تصمیم بهینه را ...
ادامه مطلبکمیته طرح طبقه بندی مشاغل شامل چه کسانی است؟. همکاری با امور اداری و کارگزینه به جهت انطباق افراد جدید استخدام شده با طرح طبقه بندی مشاغل و یا تغییر و یا ارتقای شغل دیگران. بررسی و اظهار نظر در ...
ادامه مطلبماشین یادگیری منطقی (به انگلیسی: Logic Learning Machine)، یکی از روشهای یادگیری ماشین بر اساس ایجاد قوانین قابل فهم است. LLM یک روش پیادهسازی شده کارآمد از الگوی شبکه عصبی سوئیچینگ (SNN) است، این شیوه توسط مارکو موسلی، پژوهشگر ...
ادامه مطلبکتاب یادگیری ماشین و یادگیری عمیق با زبانهای پایتون و R; معیار کاپا (Kappa) برای ارزیابی طبقهبندیهای چندکلاسه; معیار صحت (Precision)، پوشش (Recall) و معیار F; ماتریس اغتشاش (Confusion Matrix) و معیار دقت (Accuracy)
ادامه مطلبدر دروس گذشته یادگرفتیم که چگونه با استفاده از ماتریس اغتشاش (Confusion Matrix) و معیارهایی مانند دقت (Accuracy)، صحت (Precision) و معیار F1، کیفیت یک الگوریتمِ طبقهبندی را مشخص کنیم. در این درس به یکی دیگر از این معیارها به نام امتیاز ...
ادامه مطلبکتاب یادگیری ماشین و یادگیری عمیق با زبانهای پایتون و R; معیار کاپا (Kappa) برای ارزیابی طبقهبندیهای چندکلاسه; معیار صحت (Precision)، پوشش (Recall) و معیار F; ماتریس اغتشاش (Confusion Matrix) و معیار دقت (Accuracy)
ادامه مطلبShetty, S. (2019) تجزیه و تحلیل طبقهبندیکنندههای یادگیری ماشین برای طبقهبندی LULC در موتور Google Earth. ... Mastella، AF و Vieira، CA (2018) Acurácia temática برای طبقهبندی تصاویر با استفاده از پیکسل و اشیاء.
ادامه مطلب«ماشین بردار پشتیبان» (svm) یک الگوریتم نظارتشده یادگیری ماشین است که هم برای مسائل طبقهبندی و هم مسائل رگرسیون قابل استفاده است؛ با این حال از آن بیشتر در مسائل طبقهبندی استفاده میشود.
ادامه مطلبدر ماشین لرنینگ با حجم عظیمی از داده سروکار داریم. دستهبندی این دادهها و طبقهبندی آنها کاریست که به صورت دستی غیر قابل انجام است. در نتیجه باید برای این کار به الگوریتمهای طبقهبندی در ماشین لرنینگ پناه بیاوریم.
ادامه مطلبتحلیل طبقهبندی چیست؟ برای درک بهتر این مبحث در ادامه یک مثال ارائه شده است. فرض میشود جمعیتی با ترکیب ۵۰٪ زن و ۵۰ ٪ مرد وجود دارد و مسئله آن است که با وضع مجموعه قواعدی یک دستهبندی روی نمونههای این جمعیت بر اساس ...
ادامه مطلبدر طراحی و تعیین پارامترهای یک مدل یادگیری ماشین، روشها و پارامترهای ارزیابی نقش بسیار مهمی دارند. چرا که به ما کمک میکنند دید درستی به مدل طراحی شده داشته باشیم و متوجه بشویم که مدل یادگیری ...
ادامه مطلباکنون، یک دستهبند ماشین بردار پشتیبان برای این نقاط برازش داده میشود. با وجود آنکه جزئیات ریاضی «مدل درستنمایی» (Likelihood Model) جذاب هستند، اما پرداختن به آنها از حوصله این بحث خارج است ...
ادامه مطلبترتیب پیشنهادی خواندن درسهای این مجموعه به صورت زیر است: ۱ » الگوریتم K نزدیک ترین همسایه (KNN) ۲ » درخت های تصمیم جهت طبقهبندی (Decision Trees) ۳ » الگوریتم درخت تصمیم ID3 و ساختار Entropy و Gain. ۴ » آشنایی ...
ادامه مطلبطبقهبندی خودکار متن از یادگیری ماشین (ml)، پردازش زبان طبیعی (nlp) و دیگر تکنیکهای هوش مصنوعی (ai) برای طبقهبندی خودکار متن بهشیوهای سریعتر، مقرونبهصرفهتر و دقیقتر استفاده میکند.
ادامه مطلبطبقهبندی در ماشین لرنینگ چیست؟. طبقهبندی یا Classification نوعی یادگیری تحت نظارت (Supervised Learning) در یادگیری ماشین است که هدف آن یادگیری نگاشت بین دادههای ورودی و برچسبهای خروجی است. دادههای ...
ادامه مطلب