الگوریتم k-nearest neighbors ، که با نام‌های KNN یا k-NN نیز شناخته می‌شود ، یک طبقه بندی کننده یادگیری غیر پارامتری و تحت نظارت است که از نزدیکی برای طبقه بندی یا پیش بینی در مورد گروه بندی یک نقطه داده ...

مدل‌های طبقه‌بندی به دو ... مدل، نمایش خاصی است که از داده‌ها با استفاده از برخی الگوریتم‌های یادگیری ماشین ساخته می‌شود. مدل گاهی به عنوان فرضیه نیز نامیده می‌شود. ... اما حتماً مطمئن شوید ...

مسائلی که با توسعه مدل‌های یادگیری ماشین از طریق داده‌های جمع‌آوری شده، نتایج رویدادهای جدید را پیش‌بینی می‌کنند. ... اما الگوریتم‌های طبقه‌بندی برای به‌دست آوردن مدل یادگیری و در ادامه ...

جنگل‌های تصادفی: «جنگل‌های تصادفی» (Random Forests) نوعی از الگوریتم‌های یادگیری ماشین هستند که از ترکیب نتایج تعدادی از درخت‌های تصمیم برای وظایفی نظیر پیش‌بینی و طبقه‌بندی مورد استفاده قرار ...

یادگیری ماشین چگونه کار می‌کند؟ این روش از الگوریتم‌هایی استفاده می‌کند که از طریق تنظیم مجموعه‌های داده‌های گذشته، قوانینی را برای پیش ‌بینی و طبقه ‌بندی داده‌های جدید تعیین می‌کنند.

تعبیه‌سازی (Embedding) در یادگیری ماشین و یادگیری عمیق; تکنیک آموزش اجباری (Teacher Forcing) در شبکه‌های عصبی بازگشتی; نگاهی عمیق‌تر به مقیاس‌بندی (Scaling) داده‌ها و روش‌های مختلف آن

الگوریتم های طبقه بندی زیرشاخه‌ای از یادگیری نظارت شده هستند و به همین خاطر، مجموعه‌داده باید به دو بخش آموزشی برای آموزش دادن مدل و مجموعه آزمایشی برای ارزیابی مدل یادگیری ماشین دسته ...

به عبارت ساده‌تر، طبقه بندی در یادگیری ماشین نوعی از فرایند تشخیص الگو است که در آن الگوریتم‌های طبقه‌بندی روی داده‌های آموزشی کار می‌کنند تا الگوی مشابهی را برای پیش‌بینی، روی مجموعه‌ داده‌های جدید کشف کنند.

ابزارهای مختلفی برای اجرای الگوریتم‌های یادگیری ماشین وجود دارد که در بین آن‌ها، نرم‌افزار وکا به خاطر عدم نیاز به کد‌نویسی، بسیار مورد توجه قرار گرفته است. ... طبقه‌بندی داده‌های iris با ...

ما در این مقاله به تشخیص و طبقه بندی (بدون نظارت) بدافزارها که امری مهم در امنیت سیستم های کامپیوتری است، پرداخته ایم. در تحقیق حاضر از داده های موجود در پایگاه داده Malimg Dataset استفاده شد.

یادگیری ماشین شامل گروهی از الگوریتم‌های محاسباتی است که می‌توانند با یادگیری از داده‌های موجود (مجموعه آموزشی)، تشخیص، طبقه‌بندی و پیش‌بینی الگو را روی داده‌ها انجام دهند.

ماشین بردار پشتیبان (svm) یکی از الگوریتم های یادگیری ماشین قدرتمند است که برای طبقه‌بندی خطی یا غیرخطی، رگرسیون و حتی تشخیص ناهنجاری‌ها استفاده می‌شود.svm‌ ها می‌توانند برای انواع وظایفی مانند طبقه‌بندی متن، طبقه ...

نحوه‌ی کار یادگیری ماشین تحت نظارت. همان طور که اشاره شد، یادگیری ماشین تحت نظارت برای آموزش به دانشمند داده نیاز دارد تا الگوریتم را با ورودی‌های برچسب‌گذاری شده و خروجی‌های مورد انتظار آموزش دهند.

یادگیری ماشین و داده‌کاوی ... از این روش هم در مسائل طبقه‌بندی و هم در مسائل رگرسیون استفاده می‌شود. ... در مسائل دسته‌بندی، هدف ماشین‌های پشتیبان یافتن یک ابرصفحهٔ جداکننده به نحوی است که ...

مسئله طبقه بندی داده های نامتوازن به عنوان یکی از چالش های اصلی در حوزه ی داده کاوی، مورد توجه بسیاری از محققان و پژوهش گران قرار گرفته است. ... اغلب الگوریتم های یادگیری ماشین فرض می کنند که ...

رگرسیون لجستیک، یک الگوریتم یادگیری ماشین با نظارت است که بیشتر برای طبقه‌بندی استفاده می‌شود. هدف این است که احتمال وابستگی یک داده به یک کلاس خاص را پیش‌بینی کند.

از انواع الگوریتم های طبقه بندی داده کاوی می توان به موارد زیر اشاره کرد: شبکه‌های عصبی Neural Networks (NN): ... یکی از رایج­ترین کاربرد­های یادگیری ماشین شناسایی تصویر است. در موقعیت‌های زیادی نیاز ...

مقالات > نشریه علمی پژوهش های سنجش از دور و اطلاعات مکانی > دوره 2, شماره ; 2; استفاده از روش های یادگیری ماشین برای طبقه بندی تصاویر ماهواره ای لندست ۹ به منظور ارزیابی مساحت کاربری های زمین شهری (غرب تهران)

در این محصول آموزشی به تبیین یادگیری ماشین و طبقه بندی تصاویر ماهواره ای در سامانه ارث انجین پرداخته شده است. ... اعتبار‌سنجی نقشه طبقه بندی با داده های تست و محاسبه معیار های کنترل صحت ...

الگوریتمهای مختلفی در حوزه یادگیری ماشین و هوش مصنوعی در سالهای اخیر ایجاد یا بهبود یافته اند که برای هر فردی که قصد کار حرفه ای در این حوزه را دارد، آشنایی و تسلط بر آنها و مفاهیم پایه هر کدام و نیز استفاده از آنها در ...

ساخت مدل های یادگیری ماشین طبقه بندی در پایتون. در این بخش با بهره‌گیری از زبان برنامه‌نویسی پایتون و کتابخانه Scikit-learn، نحوه پیاده‌سازی دو مدل رگرسیون لجستیک و KNN را به‌طور مختصر شرح می ...

طبقه بندی کننده Naive Bayes و فیلتر کردن مشارکتی با هم یک سیستم پیشنهادی ایجاد می­کنند که با استفاده از یادگیری ماشین و تکنیک­ های داده کاوی اطلاعات نامشهود را فیلتر می­کند و پیش­بینی می­کند آیا ...

ماشین 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 ...

این یک نمونه از مسائل طبقه‌بندی به حساب می‌آید. با استفاده از یک مجموعه قواعد، می‌توان جمعیت را در دو دسته محتمل (زنان و مردان) تقسیم کرد. ... گنجینه آموزش های یادگیری ماشین و داده کاوی ...

فیلم آموزش تخمین خطای طبقه بندی یا ... به این ترتیب، تابع تقسیم داده در یادگیری ماشین با پایتون کامل شد و می‌توان در پروژه‌های خود از آن استفاده کرد. ... تقسیم داده در پایتون ساخته شده است که می ...

نرم افزار ماشین لرنینگ چیست؟ نرم‌افزار یادگیری ماشین هر ابزار اختصاصی است که برای هوش مصنوعی، تکرار خودکار مبتنی بر داده‌ها، یادگیری بدون نظارت و دیگر طبقه‌بندی‌کننده‌های یادگیری ماشین استفاده می‌شود.

طبقه‌بندی (Classification) و رگرسیون (Regression) دو مسئله اصلی پیش‌بینی هستند که معمولاً در استخراج داده‌ها و یادگیری ماشین مورد بررسی قرار می‌گیرند. الگوریتم‌ های طبقه‌ بندی. طبقه‌ بندی چیست؟

در یادگیری ماشین، طبقه‌بندی یک روش از یادگیری‌ نظارت شده است، جایی که الگوریتم بر روی مجموعه‌ای از داده‌های دارای برچسب آموزش می‌بیند تا بتواند دسته داده‌های جدید و ناشناخته را پیش‌بینی ...

برای دسته‌بندی مسائل یادگیری ماشین روش‌های مختلفی وجود دارد. در اینجا، ما به مهم‌ترین روش‌ها پرداخته‌ایم. 1- بر اساس ماهیت "سیگنال" یا "بازخورد" موجود برای یک سیستم یادگیری:

طبقه بندی نامتوازن. از الگوریتم های مدل سازی خاصی که الگوریتم های یادگیری ماشین حساس به هزینه (cost-sensitive) نامیده می شوند، می توان برای داده های نامتوازن استفاده کرد.