سبد خرید

الگوریتم جنگل تصادفی (Random Forest)

جلسه بعد
جلسه قبل

سرفصل طبقه‌بندی و رگرسیون

برای مشاهده این دوره می بایست وارد شوید و در صورتی که عضو نیستید ثبت نام کنید.
طبقه بندی مجموعه داده‌ی MNIST بخش مقدماتی 47:04
معرفی الگوریتم SVM و استفاده از آن در داده کاوی 42:24
معیارهای Accuarcy، Precision، Recall و F1 برای ارزیابی دقت، صحت و پوشش یک الگوریتم طبقه بندی 44:44
الگوریتم KNN (نزدیک‌ترین همسایه) در طبقه بندی 34:07
الگوریتم درخت تصمیم و مجموعه‌ی داده‌ی گل‌های زنبق (قسمت اول) 28:19
الگوریتم درخت تصمیم و مجموعه‌ی داده‌ی گل‌های زنبق (قسمت دوم) 32:27
ناخالصی جینی (Gini Impurity) و بهره اطلاعاتی (Information Gain) 31:57
بررسی مفهوم bias و variance در طبقه بندی 42:07
الگوریتم جنگل تصادفی (Random Forest) 26:12
الگوریتم Adaboost 32:10
نگاهی دقیق‌تر به پارامترهای الگوریتم SVM (قسمت اول) 30:16
نگاهی دقیق‌تر به پارامترهای الگوریتم SVM (قسمت دوم) 23:17
نگاهی دقیق‌تر به پارامترهای الگوریتم RandomForest 31:55
نگاهی دقیق‌تر به پارامترهای الگوریتم KNN 35:17
متن کاوی (Text Mining) و پردازش زبان طبیعی (NLP) - قسمت اول 27:41
متن کاوی (Text Mining) و پردازش زبان طبیعی (NLP) - قسمت دوم 12:51
متن کاوی (Text Mining) و پردازش زبان طبیعی (NLP) - قسمت سوم 29:20
متن کاوی (Text Mining) و پردازش زبان طبیعی (NLP) - قسمت چهارم 31:11
متن کاوی (Text Mining) و پردازش زبان طبیعی (NLP) - قسمت پنجم 21:02
متن کاوی (Text Mining) و پردازش زبان طبیعی (NLP) - قسمت ششم 32:03
شناسایی بیماران قلبی با استفاده از الگوریتم‌های طبقه بندی 35:26
پیدا کردن بهترین پارامترها در الگوریتم‌ها با استفاده از جستجوی مشبک (Grid Search) 40:48
آشنایی با مسائل رگرسیون و حل مسئله‌ی پیش‌بینی دما (قسمت اول) 39:38
آشنایی با مسائل رگرسیون و حل مسئله‌ی پیش‌بینی دما (قسمت دوم) 24:53
الگوریتم Gradient Boosting و XGBoost برای طبقه‌بندی و رگرسیون 33:37
الگوریتم XGBoost و حل مسئله‌ی تخمین قیمت منزل 40:15
الگوریتم CatBoost و حل مسئله‌ی تخمین خسارت حادثه شرکت بیمه (قسمت اول) 33:20
الگوریتم CatBoost و حل مسئله‌ی تخمین خسارت حادثه شرکت بیمه (قسمت دوم) 44:07
الگوریتم CatBoost و حل مسئله‌ی تخمین خسارت حادثه شرکت بیمه (قسمت سوم - یادگیری ماشین با GPU و یادگیری با وقفه) 23:43
آزمون پایان فصل
جمع بندی نیمه‌ی اول دوره تا اینجا + مباحث تکمیلی ارائه شده در آینده 30:45

در این جلسه به معرفی الگوریتم طبقه بندی جنگل تصادفی می‌پردازیم. این الگوریتم که از الگوریتم‌های ترکیبی (Ensemle) است می‌تواند با استفاده از الگوریتم‌های درخت تصادفی، تصمیم‌گیری مناسب را انجام دهد

مدرس : مسعود کاویانی
در مورد این جلسه سوالی دارید؟
1