یادگیری ماشین
الگوریتم ISODATA چیست؟ راهنمای خوشهبندی ایزودیتا
الگوریتم ISODATA چیست؟ با نحوه عملکرد، Split و Merge خوشهها، پارامترها، کاربردها و تفاوت ISODATA با K-means آشنا شوید.
خوشه بندی سلسله مراتبی چیست؟ راهنمای Hierarchical Clustering
خوشه بندی سلسله مراتبی چیست؟ با Agglomerative و Divisive Clustering، روشهای Linkage، دندروگرام، انتخاب تعداد خوشهها و کاربردهای آن آشنا شوید.
الگوریتم یادگیری وزندار محلی (LWL) چیست؟ بررسی Local Weighted Learning و LOESS
یادگیری وزن دار محلی یا LWL چیست؟ با نحوه کار رگرسیون محلی، تابع وزن، Bandwidth، مزایا، معایب و تفاوت LWL با KNN و LOESS آشنا شوید.
یادگیری گروهی چیست؟ راهنمای Ensemble Learning و روشهای آن
یادگیری گروهی یا Ensemble Learning چیست؟ با Bagging، Boosting، Stacking، Voting، Random Forest و کاربردهای آن در یادگیری ماشین آشنا شوید.
الگوریتم Naive Bayes چیست؟ راهنمای بیز ساده در یادگیری ماشین
Naive Bayes چیست و چگونه کار میکند؟ با قضیه بیز، انواع Gaussian، Multinomial و Bernoulli، کاربردها، مزایا و محدودیتهای این الگوریتم آشنا شوید.
رگرسیون چند جملهای چیست؟ راهنمای Polynomial Regression، کاربردها و نحوه انتخاب درجه
رگرسیون چندجملهای چیست؟ با نحوه کار Polynomial Regression، درجه چندجملهای، Overfitting، Underfitting و پیادهسازی آن در Python آشنا شوید.
الگوریتم KNN چیست؟ آموزش K نزدیکترین همسایه با مثال و کاربردها
الگوریتم KNN چیست و چگونه کار میکند؟ با Classification، Regression، انتخاب مقدار K، معیار فاصله، مزایا، معایب و کاربردهای KNN آشنا شوید.
الگوریتم K-Medians چیست؟ بررسی نحوه کار، مراحل و تفاوت با K-Means
الگوریتم K-Medians چیست؟ با نحوه کار، Median، فاصله منهتن، مقاومت در برابر دادههای پرت و تفاوت K-Medians با K-Means و K-Medoids آشنا شوید.
الگوریتم K-Means چیست؟ راهنمای کامل خوشهبندی K-Means
الگوریتم K-Means یکی از معروفترین الگوریتمهای یادگیری بدون نظارت و یکی از پرکاربردترین روشهای یادگیری ماشین...
رگرسیون لجستیک چیست؟ راهنمای کامل Logistic Regression
رگرسیون لجستیک یا Logistic Regression یکی از الگوریتمهای مهم و پرکاربرد در یادگیری ماشین است که عمدتاً برای م...
رگرسیون خطی چیست؟ راهنمای Linear Regression، کاربردها و نحوه کار
رگرسیون خطی چیست؟ با فرمول Linear Regression، روش کمترین مربعات، MSE، Gradient Descent، انواع رگرسیون خطی و کاربردهای آن در یادگیری ماشین آشنا شوید.
الگوریتم جنگل تصادفی Random Forest چیست؟ راهنمای کامل Random Forest
الگوریتم Random Forest چیست و چگونه کار میکند؟ با نحوه عملکرد، کاربردها، مزایا و معایب جنگل تصادفی و پیادهسازی آن در Python آشنا شوید.
الگوریتم CART چیست؟ راهنمای درختان طبقهبندی و رگرسیون
الگوریتم درختان طبقه بندی و رگرسیون (CART) زیر بخش Random Forest است که یکی از قوی ترین الگوریتم های یادگیری ماشین است. الگوریتم CART به عنوان مجموعه ای از داده هایی است که بر اساس ویژگی هایشان سازمان دهی می شود
یادگیری ماشین چیست؟ راهنمای انواع، کاربردها و روشهای Machine Learning
یادگیری ماشین چیست؟ با انواع Machine Learning، نحوه آموزش مدلها، کاربردها، الگوریتمها و تفاوت آن با هوش مصنوعی و Deep Learning آشنا شوید.
یادگیری عمیق چیست؟ راهنمای جامع Deep Learning و شبکههای عصبی
یادگیری عمیق چیست؟ با نحوه کار Deep Learning، شبکههای عصبی عمیق، CNN، RNN، Transformer، کاربردها و تفاوت آن با Machine Learning آشنا شوید.
رگرسیون ریج چیست؟ آموزش Ridge Regression، فرمول، کاربردها و مثال
رگرسیون Ridge ریج یک مدل های مهم و پرکاربرد یادگیری ماشین است. این الگوریتم در دسته الگوریتم های یادگیری با ناظر قرار می گیرد و به دنبال یافتن بهترین خط برای پیش بینی مقادیر هدف است. این الگوریتم دارای مدل های توسعه یافته زیادی است.
پرسپترون چیست؟ الگوریتم Perceptron و نحوه کار آن
پرسپترون چیست و چگونه کار میکند؟ با ساختار، فرمول، قانون یادگیری، پرسپترون تکلایه و چندلایه و محدودیتهای Perceptron آشنا شوید.
خوشه بندی چیست؟ راهنمای کامل Clustering در دادهکاوی و یادگیری ماشین
خوشه بندی چیست؟ با مفهوم Clustering، انواع الگوریتمهای خوشهبندی مانند K-Means، DBSCAN و Hierarchical و کاربردهای آن در دادهکاوی آشنا شوید.
الگوریتم Boosting چیست؟ آشنایی با AdaBoost، Gradient Boosting و XGBoost
الگوریتم Boosting یک روش یادگیری است که برای رفع ضعف یادگیرنده های ماشین ایجاد شده. این روش برای رفع مشکلات طبقه بندی و رگرسیون به کار می رود. در این روش با ترکیب موازی یا متوالی تلاش می شود تا خطا حد زیادی کاهش پیدا کند و بتوان طبقه بندی را به درست ترین شکل ممکن انجام داد. روش Boosting در داده کاوی بسیار مورد استقبال قرار می گیرد