اعتبارسنجی مدل در Python
✅ سرفصل و جزئیات آموزش
مدلهای یادگیری ماشین اکنون بیش از هر زمان دیگری بهراحتی قابل پیادهسازی هستند. بدون اعتبارسنجی مناسب، نتایج اجرای داده جدید در یک مدل ممکن است به دقت مورد انتظار نباشد.
اعتبارسنجی مدل به تحلیلگران این امکان را میدهد که با اطمینان به این پرسش پاسخ دهند: «مدل شما چقدر خوب عمل میکند؟» به این پرسش برای مدلهای طبقهبندی با استفاده از مجموعه کامل سناریوهای پایان بازی tic-tac-toe و برای مدلهای رگرسیون با استفاده از دیتاست رتبهبندی قدرت نهایی آبنباتهای هالووین از fivethirtyeight پاسخ داده میشود.
در این دوره، مبانی اعتبارسنجی مدل پوشش داده میشود، تکنیکهای مختلف اعتبارسنجی مورد بحث قرار میگیرد و ابزارهایی برای ایجاد مدلهای اعتبارسنجیشده و با عملکرد بالا توسعه داده میشود.
اعتبارسنجی مدل در Python
-
مقدمهای بر اعتبارسنجی مدل None
-
مدلهای رگرسیون None
-
مدلهای طبقهبندی None
-
ایجاد مجموعهداده Train ،Test و Validation None
-
معیارهای دقت: مدلهای رگرسیون None
-
معیارهای طبقهبندی None
-
موازنه Bias و Variance None
-
مشکلات Holdout Setها None
-
Cross-Validation None
-
تابع ()cross_val_score در sklearn None
-
اعتبارسنجی Leave-One-Out (LOOCV) None
-
مقدمهای بر تنظیم Hyperparameter None
-
RandomizedSearchCV None
-
انتخاب مدل نهایی None
-
دوره به پایان رسید! None
مشخصات آموزش
اعتبارسنجی مدل در Python
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:متوسط
- تعداد درس:15
- مدت زمان :4:00:00
- حجم :221.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy