نقطهٔ شروع کلاس
از یک جدول تا نزدیک‌ترین نمونه
فهم بردار، ماتریس و فاصلهٔ اقلیدسی با NumPy
یک مسیر پیوسته از خواندن داده تا محاسبهٔ فاصله، broadcasting و انتخاب همسایه‌ها.
NumPyبردار و ماتریسفاصلهٔ اقلیدسی
Machine Learning
از فهم داده تا ساختن مدل
جزوه‌ها و تمرین‌های کلاس ماشین لرنینگ؛ با توضیح پیوسته، مثال و کد.
مدرس دورهMasoud Ahangary
از یادداشت 01 شروع کن
از یک جدول تا نزدیک‌ترین نمونه
یادداشت‌های کلاس
پیشنهاد مطالعه: به ترتیب شماره‌ها
01 02 پیشنهاد: پس از یادداشت 01
از مشورت گرفتن تا طبقه‌بندی باینری
دو ویژگی، دو کلاس؛ فهم kNN با دادهٔ پزشکیِ ساختگی
با تمثیلِ مشورت گرفتن شروع می‌کنیم، دو کلاس را روی صفحه می‌بینیم و رأی همسایه‌ها را با NumPy محاسبه می‌کنیم.
طبقه‌بندی باینریkNNNumPy03 ارزیابی مدل
از پیش‌بینی یک نمونه تا ارزیابی یک طبقه‌بند
دادهٔ آموزش و آزمون، مرز تصمیم و شناخت اشتباه‌های kNN
از خواندن CSV با pandas تا دادهٔ آموزش و آزمون، مرز تصمیم، Accuracy و شناخت نوع خطاها.
pandasscikit-learnارزیابی مدل04 ارزیابی مدل
از شمارش خطا تا انتخاب آستانه
Precision، Recall، F-score و ROC-AUC؛ یک مدل، تصمیم‌های متفاوت
معنای Precision و Recall، F-score، نقش آستانه، انتخاب با Validation و ساخت گام‌به‌گام ROC-AUC.
Precision / RecallThresholdROC-AUC
در حال بررسی دسترسی کلاس…