توضیح مدل طبقهبندی
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت
درک اینکه چرا یک مدل طبقهبندی پیشبینیهای خاصی انجام میدهد، برای تشخیص نتایج غیرقابل اعتماد - ایجاد اعتماد، بهبود عملکرد و تصمیمگیریهای تجاری آگاهانه - ضروری است. در این دوره، توضیح مدل طبقهبندی، یاد می گیرید که چگونه رفتار مدل را با اطمینان تفسیر و با آن ارتباط برقرار کنید. ابتدا، میآموزید چگونه عدم تطابق کلاس را شناسایی کرده و تأثیر آن بر پیشبینیهای مدل را با ابزارهایی مانند ماتریس درهمریختگی بررسی کنید.
سپس، مدلهای ارائهکنندهی اهمیت ویژگی داخلی را کشف کرده و نحوه تفسیر خروجیهای آنها را یاد میگیرید. در نهایت، روشهای پیشرفته از جمله Gini و جایگشت را اعمال کرده و رفتار مدل را برای مدلهای دستهای مانند Random Forest و XGBoost توضیح میدهید. پس از اتمام این دوره، مهارتها و دانش توضیح مدل طبقهبندی را برای ارزیابی، تفسیر و برقراری ارتباط دربارهی تصمیمات مدل در پروژههای واقعی به دست خواهید آورد.
توضیح مدل طبقهبندی
-
چرا دقت دروغ میگوید؟: ایجاد اعتماد در مدلهای ML 1m 25s
-
نقطه کور اقلیت: مقابله با عدم تعادل کلاس 4m 31s
-
شکستن ماتریس درهم ریختگی: صحت (Precision)، Recall و سایر موارد 5m 22s
-
از ماتریس تا معنا: تفسیر مدل خود در پایتون 6m 47s
-
چه چیزی واقعاً مدل شما را هدایت میکند؟ کشف ویژگیهای کلیدی 3m 5s
-
خواندن ذهنهای سادهتر: تفسیر ضرایب و درختان 3m 46s
-
دمو: تفسیر ضرایب 4m 35s
-
درون جنگل: ارزیابی قدرت ویژگی با Gini 5m 11s
-
اهمیت جایگشت: استاندارد مقاوم 6m 14s
مشخصات آموزش
توضیح مدل طبقهبندی
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:متوسط
- تعداد درس:9
- مدت زمان :00:41:00
- حجم :102.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy