آموزش یادگیری ماشین12-آشنایی با دو الگوریتم درخت تصمیم(Decision Tree)و جنگل تصادفی(Random Forest)
Вставка
- Опубліковано 21 вер 2023
- قسمت دوازدهم دوره آموزش یادگیری ماشین از مقدماتی تا پیشرفته
در این جلسه با دو الگوریتم بسیار مهم توی دسته بندی (classification) توی حوزه یادگیری ماشین (Machine Learning) آشنا میشیم. اولین الگوریتم، الگوریتم درخت تصمیم (Decision Tree) هست. با هم نحوه کار کردن این الگوریتم رو با یک مثال کاربردی بررسی میکنیم و تمامی جزییات اون از جمله ماکزیمم عمق (max_depth)، حداقل تعداد نمونه جهت تجزیه (min_sample_split) و حداقل تعداد نمونه های هر برگ (min_sample_leaf) رو بررسی میکنیم. در ادامه الگوریتم جنگل تصادفی (random forest) رو بررسی کرده و میبینم چطور از کنار هم قرار دادن تعداد زیادی درخت تصمیم، میشه یک جنگل تصادفی ساخت.
در نهایت تمامی این الگوریتمها رو روی دیتاست دیابت پیاده سازی میکنیم و عملکردشون رو این دیتای واقعی مهندسی پزشکی ارزشیابی میکنیم. همچنین با تغییر پارامترهای این متدها، تاثیر هر کدوم رو روی معیارهای accuracy, recall و precision بررسی میکنیم.
.
لینک دانلود دیتاست:
drive.google.com/file/d/1gSbD...
لینک دوره های مرتبط با این دوره
جلسه پیش پردازش دیتاست دیابت • آموزش یادگیری ماشین 9 ...
جلسه آشنایی با معیارهای ارزیابی مختلف (accuracy, precision, recall) • آموزش یادگیری ماشین 8...
ساخت محیط مجازی (virtual environment) دوره • دوره یادگیری ماشین 3 -...
آشنایی و کار با کتابخانه numpy در 20 دقیقه • کتابخانه های پرکاربرد...
آشنایی و کار با کتابخانه pandas در 20 دقیقه • کتابخانه های پرکاربر...
آشنایی و کار با کتابخانه matplotlib در 10 دقیقه • کتابخانه های پرکاربر...
نحوه نصب کتابخانه ها و پکیجها در پایتون • آموزش پایتون قسمت 13 ...
دوره آموزش پایتون از مقدماتی تا پیشرفته • دوره کامل آموزش برنام...
ممنون میشم اگر ویدیوها آموزنده هست اونها رو لایک کنید، توی کانالمون سابسکرایب کنید و اونها رو با دیگران هم به اشتراک بذارین.
لطفا از دانلود ویدیوها اجتناب کنین، برای این ویدیوها زحمت زیادی کشیده شده (من راضی نیستم که اونها رو دانلود کنید) و به همین دلیل تنها راه استفاده رایگان، تماشای آنلاین هست.
لینک کانال تلگرام t.me/techwithhasanabbasi
اگر برای ورود به دنیای برنامه نویسی و آموزش آن به صورت خودآموز نیاز به راهنمایی و مشاوره دارید، میتونین از طریق لینک زیر جهت رزرو زمان مناسب اقدام کنید تا با هم در موردش صحبت کنیم و یه شروع قدرتمند داشته باشین.
calendly.com/techwithhasanabb...
عالی عالی عالی> بینهایت مفید و روان و کاربردی
خواهش میکنم
خوشحالم که از آموزشها راضی هستین
جهت تهیه این آموزشها زحمت زیادی کشیده شده، ممنون میشم اگر حس میکنین مفید هستن با دوستانتون به اشتراک بذارین
عالی بود، ممنون، سلامت باشید
خواهش میکنم
خوشحالم که از آموزشها راضی هستین
جهت تهیه این آموزشها زحمت زیادی کشیده شده، ممنون میشم اگر حس میکنین مفید هستن با دوستانتون به اشتراک بذارین
ممنون بابت آموزش های خوبتون 🙏
خواهش میکنم، خیلی خوشحالم که از آموزشها راضی هستین
جهت تهیه این آموزشها زحمت زیادی کشیده شده، به همین خاطر ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
واقعا دمتگرم مرسی اینقدر انرژی میزاری و با حوصله توضیح میدی برای کسی که هیچی نمیدونه و میخواد شروع کنه
خواهش میکنم، خیلی خوشحالم که از آموزشها راضی هستین
جهت تهیه این آموزشها زحمت زیادی کشیده شده، به همین خاطر ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
ممنون بابات آموزش ها
خواهش میکنم، خوشحالم که از آموزشها راضی هستین
ممنون بابت آموزش های مفید.امیدوارم که ادامه بدید برای الگوریتم های بیشتر مخصوصا دیپ لیرنینگ . اگر امکانش هست برای ویدیوهای 10 تا 12 مثال های دیگری هم بزنید که با ابزارهای بیشتر یا کاربردهای بیشتر الگوریتم ها آشنا شیم.سپاس
خواهش میکنم، خوشحالم که از آموزشها راضی هستین
حتما در ادامه که الگوریتمهای پایه تموم شدن میریم سراغ الگوریتم های جدیدتر و دیپ لرنینگ
بعد از اتمام دوره هم مثل دوره پایتون که یک ویدیو با ۵ پروژه داشتیم برای دوره ماشین لرنینگ هم اینکار رو انجام میدم و چند پروژه واقعی با ماشین لرنینگ انجام خواهیم داد
its excellent that we have access to these valuable training series with your professional presentation
Glad you think so!
Thank you for your support!
kheili ali bood, mersi vaghean
خواهش میکنم
خوشحالم که از آموزشها راضی هستین
جهت تهیه این آموزشها زحمت زیادی کشیده شده، ممنون میشم اگر حس میکنین مفید هستن با دوستانتون به اشتراک بذارین
فوق العاده بود👌💥
خواهش میکنم، خیلی خوشحالم که از آموزشها راضی هستین
جهت تهیه این آموزشها زحمت زیادی کشیده شده، به همین خاطر ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
عالی
خواهش میکنم، خیلی خوشحالم که از آموزشها راضی هستین
جهت تهیه این آموزشها زحمت زیادی کشیده شده، به همین خاطر ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
awli boud, mamnoun
خواهش میکنم. خوشحالم که از آموزشها راضی هستین
دستتون درد نکنه
خواهش میکنم، خیلی خوشحالم که از آموزشها راضی هستین
جهت تهیه این آموزشها زحمت زیادی کشیده شده، به همین خاطر ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
Dear Hasan
I want to say thank you.
This courses are really helpful
I hope you continue to produce such courses.
You are most welcome, and thank you for your support!
kheyli khoub boud, mamnounam ❤
خواهش میکنم، خوشحالم که از آموزشها راضی هستین
خیلی خوب بود، ممنون 👌👌👌
خواهش میکنم. خوشحالم که از آموزشها راضی هستین
🌹🌹🌹🌹
Thank you for your support!
Thanks a lot.
No worries!
Good job.
thank you for your support
Your explanation is absolutely great. Thanks a lot, Mr. Absasi 👏💙
So nice of you
خدا خیرت بده فقط همین😂❤️
:)))
سلامت باشین
@@TechWithHasanAbbasiمهندس من دقیقا همین تمرین رو دارم این ترم کاش ولی این تمرین رو پیش پردازشش رو به صورت حرفه ای انجام میدادید و طریقه جلوگیری از اورفیت رو هم توی این الگوریتما میگفتید الان اینجا دوتا الگوریتم اورفیت ان کاش کامل تر این فرایند رو طی میکردید
@@arshiasalari8187 متاسفانه فرصتش نبود و اینجا هم جاش نیست
اگر فرصت کنم یک ویدئو برای حل مشکل اورفیت میگم اما پیشنهاد میکنم ویدئوهای زیر رو مشاهده کنین
ua-cam.com/video/3aQVY3znnWU/v-deo.html
ua-cam.com/video/5PNxg3XSVgg/v-deo.html
استاد دوره CNN هم بزارید لطفا
حتما، در برنامه هست. بعد از دوره یادگیری عمیق، در مورد شبکه های کانولوشنی هم صحبت خواهیم کرد
❤❤❤❤❤❤❤❤❤❤❤❤❤❤❤❤❤❤❤❤❤❤❤❤❤❤❤❤❤❤❤
خوشحالم که از آموزشها راضی هستین
👍🌸
Thank you for your support🌹
سلام استاد
وقت بخیر
استاد یک سوال داشتم داخل اینترنت سرچ کردم دیدم که این دو الگوریتم بدون نرمالایز کردنم کار میکنه
درست هستش ؟
سلام
سلامت باشین
چه نکته خوبی رو اشاره کردین، بله الگوریتمهایی که به صورت درختی تصمیم گیری میکنن معمولا نیازی به نرمالیزه کردن ندارن، ولی اینطور نیست که اگر نرمالیزه کنیم مشکلی پیش بیاد
@@TechWithHasanAbbasi خیلی خیلی ممنونم
مرسی استاد از زمانی کی میزارید❤️❤️❤️
سلام و ممنون بابت آموزشهای عالی. من کلا همراه آموزشهای شما از جلسه یک شروع کردم یه سوال، الان داریم الگوریتمهای متفاوت رو می سنجیم برای اینکه تشخیص بدیم کدوم مدل برای دیتا ست دیابت بهتر است؟ بعد از فهمیدن این آیا نشون میدین که هر الگوریتم چه چیزهایی را به ما نشان میدهد؟ مثلا تو همین جلسه RF بهتر از DT عمل میکند ولی آیا بعدا آموزش داده میشه که کدوم فیچر ها را انتخاب می کند این مدل و با چه معادله ای؟ بازم ممنون برای وقتی که میذارید بسیار مفید و روان
خواهش میکنم
خوشحالم که از آموزشها راضی هستین
ما مدلها رو بر اساس یک سری معیارها ارزشیابی میکنیم. اینکه مدل به کدوم فیچرها بیشتر اهمیت میده هم قابل بررسی هست که یک بحث دیگه هست و اینجا تمرکزمون بیشتر نحوه استفاده و ارزشیابی مدلهاست
@@TechWithHasanAbbasi ممنون از شما. توی پلنتون هست که این بحث هم تدریس کنید؟ اگه نه 🥲پیجی هست پیشنهاد بدین مثل تدریس خودتون روان و کامل و جامع باشه؟
سلام استاد
وقتتون بخیر
امیدوارم حالتون خوب باشه
استاد آیا امکانش هست توی مدل های ماشین لرنینگ تعداد features های استفاده شده توی داده train با داده تست متفاوت باشه ؟ یعنی label ها یکسان باشه ولی مثلا داده تست 1 ستون کمتر از داده train داشته باشه ؟
و استاددد میشه لطفا الگوریتم های LGBM و XGBoostm هم اموزش بدید
سلام
سلامت باشین
بله امکانش هست منتهی بستگی به نوع داده ها و الگوریتم مورد استفاده داره. اصولا بهتر هست اینکار انجام نشه
اول از همه بهتر هست نوع داده ها بررسی بشه و تاثیر اون ویژگی روی دقت الگوریتم مشخص بشه
@@TechWithHasanAbbasi مرسیییی استاد ممنون از زمانی که گذاشتید
@@armin.falahatkar خواهش میکنم
mamnoun🙏
خواهش میکنم