ش | ی | د | س | چ | پ | ج |
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 |
خوشهبندی یک تکنیک یادگیری است که شامل گروه بندی نقاط داده میشود. با توجه به مجموعه ای از نقاط داده میتوان از یک الگوریتم خوشهبندی برای طبقهبندی هر نقطه داده به یک گروه خاص استفاده کرد.
ادامه مطلب ...هنگامی که یک دستهبندی کننده ساخته میشود، اندازهگیری صحت آن دارای اهمیت زیادی است. برای اندازهگیری صحت یک دستهبندیکننده بهتر است از دادههای تست استفاده شود؛ یعنی پس از ساخت مدل روی دادههای آموزشی، میزان صحت مدل در تعیین برچسب کلاس نمونهها، روی دادههای تست مورد آزمایش قرار گیرد.
ادامه مطلب ...روشهای ساخت درخت تصمیم معمولاً به صورت بالا به پایین عمل میکنند به این معنی که ابتدا فضای ورودی به فضاهای کوچکتر تقسیم میشود، سپس فرآیند تقسیم بندی برای هر یک از این قسمتها تکرار میشود. ادامه مطلب ...
الگوریتم ID3
این الگوریتم یکی از سادهترین الگوریتمهای درخت تصمیم است. در این الگوریتم درخت تصمیم از بالا به پایین ساخته میشود. این الگوریتم با این سؤال شروع میشود: کدام ویژگی باید در ریشه درخت مورد آزمایش، قرار بگیرد؟ برای یافتن جواب از معیار بهره اطلاعات استفاده میشود. ادامه مطلب ...
یکی از پرکاربردترین الگوریتمها در بین الگوریتمهای دادهکاوی است. درخت تصمیم دقیقاً مانند یک درخت است با این تفاوت که از ریشه به سمت پایین (برگ) رشد کرده است.
ادامه مطلب ...مقدمهای برای روش اداره تجارت است. در ادامه خواهید آموخت که چگونه میتوانید از این ابزار برای مشاهده و بهبود فرآیندهای متحول کننده استفاده کنید. یاد خواهید گرفت که چگونه کار میکند، چرا اهمیت دارد و چگونه بسیار قدرتمندتر از رویکردهای سنتی بهبود فرآیند است که به این مرحله منجر شده است.
ادامه مطلب ...