مهندسی ویژگی و کاهش ابعاد در R
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
مجموعه دادههای واقعی اغلب نامرتب هستند و ساخت الگوریتمهای یادگیری ماشین روی داده خام اغلب دشوار است. با این حال، با استفاده از چند تکنیک مهم مهندسی ویژگی، میتوانیم کارایی و دقت مدلها را بهبود بخشیم.
در این دوره «مهندسی ویژگی و کاهش ابعاد در R»، توانایی اعمال تکنیکهای مهم مهندسی ویژگی روی داده خام قبل از استفاده برای آموزش مدلهای یادگیری ماشین را به دست میآورید.
ابتدا، بررسی میکنید چگونه مقادیر گمشده در یک مجموعه داده را مدیریت کنید.
سپس، تکنیکهای مهم انکودینگ و تبدیل داده را کشف میکنید.
بعد ار آن، تکنیکهای خطی و غیرخطی کاهش ابعاد را برای بدست آوردن یک نمایش کمتر ابعادی از داده یاد میگیرید.
در نهایت، یاد میگیرید چگونه ویژگیهای اضافی را با استفاده از recursive feature elimination حذف کنید.
وقتی دوره را به پایان رساندید، مهارتها و دانش لازم برای پیشپردازش کارآمد مجموعه داده خود را به صورت معنادار به دست خواهید آورد که میتواند عملکرد و کارایی مدل یادگیری ماشین زیربنایی را ارتقا بخشد.
مهندسی ویژگی و کاهش ابعاد در R
-
انتساب داده گمشده در R 7m 9s
-
انکودینگ متغیرهای دستهای در R 5m 45s
-
ایجاد ویژگیهای جدید با استفاده از تبدیل 4m 47s
-
کاهش ابعاد خطی با استفاده از PCA 6m 45s
-
کاهش ابعاد غیرخطی 6m 7s
-
انتخاب ویژگی با استفاده از Recursive Feature Elimination 4m 33s
مشخصات آموزش
مهندسی ویژگی و کاهش ابعاد در R
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:پیشرفته
- تعداد درس:6
- مدت زمان :00:35:09
- حجم :136.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy
آموزش های مرتبط
- زمان: 03:02:02
- تعداد درس: 14
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 58:00
- تعداد درس: 12
-
سطح دوره:
-
زبان: دوبله فارسی
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 11:25:13
- تعداد درس: 94
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 06:58:57
- تعداد درس: 60
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 02:27:39
- تعداد درس: 24
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 08:11:21
- تعداد درس: 28
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 09:44:25
- تعداد درس: 67
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 04:52:43
- تعداد درس: 38
-
سطح دوره:
-
زبان: دوبله فارسی