تحلیل طبقه‌بندی

آنچه یاد خواهید گرفت:

• درک مفهوم و اهمیت طبقه‌بندی به عنوان متد یادگیری نظارت شده
• شناسایی و توصیف انواع مختلف طبقه‌بندی‌ها و اعمال هر طبقه‌بندی برای انجام تسک‌های طبقه‌بندی باینری و چندکلاسه روی مجموعه‌ داده‌های گوناگون
• ارزیابی عملکرد classifiers، انتخاب و تیونینگ دقیق classifiers بر اساس ویژگی‌های مجموعه‌ داده و الزامات یادگیری

توضیحات دوره

دوره «تحلیل طبقه‌بندی» به شما درکی جامع از یکی از متدهای بنیادی یادگیری نظارت شده، یعنی طبقه‌بندی، ارائه می‌دهد. شما به بررسی انواع مختلف classifiers از جمله KNN، درخت تصمیم گیری، ماشین بردار پشتیبان، بیز ساده و رگرسیون لجستیک پرداخته و می‌آموزید که چگونه عملکرد آنها را ارزیابی کنید. از طریق آموزش‌های عملی و مطالعات موردی جذاب، تجربه‌ عملی در اعمال تکنیک‌های طبقه‌بندی در تسک‌های تحلیل داده‌ واقعی کسب خواهید کرد.

در پایان دوره قادر به درک موارد زیر خواهید بود:

• درک مفهوم و اهمیت طبقه‌بندی به عنوان متد یادگیری نظارت شده 
• شناسایی و توصیف انواع مختلف classifiers، مانند KNN، درخت تصمیم گیری، ماشین بردار پشتیبان، بیز ساده و رگرسیون لجستیک
• اعمال هر classifiers برای انجام تسک های طبقه‌بندی باینری و چندکلاسه روی مجموعه‌ داده‌های گوناگون 
• ارزیابی عملکرد classifiers با استفاده از متریک‌های مناسب، از جمله دقت، صحت، یادآوری، امتیاز F1 و منحنی‌های ROC 
• انتخاب و تیونینگ دقیق classifiers بر اساس ویژگی‌های مجموعه‌ داده و الزامات یادگیری 
• کسب تجربه‌ عملی در حل مسائل طبقه‌بندی از طریق آموزش‌های هدایت شده و مطالعات موردی