دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: برنامه نويسي ویرایش: 1.1 نویسندگان: Jason Brownlee سری: Machine Learning Mastery ناشر: Independently Published سال نشر: 2021 تعداد صفحات: 20 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 200 کیلوبایت
در صورت تبدیل فایل کتاب Ensemble Machine Learning With Python: 7-Day Mini-Course به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب آموزش ماشینی گروهی با پایتون: مینی دوره 7 روزه نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
یادگیری گروهی به مدلهای یادگیری ماشینی اشاره دارد که پیشبینیهای دو یا چند مدل را ترکیب میکند. مجموعه ها یک رویکرد پیشرفته برای یادگیری ماشین هستند که اغلب زمانی استفاده می شوند که توانایی و مهارت پیش بینی ها مهمتر از استفاده از یک مدل ساده و قابل درک باشد. به این ترتیب، آنها اغلب توسط شرکت کنندگان برتر و برنده در مسابقات یادگیری ماشینی مانند جایزه یک میلیون دلاری نتفلیکس و مسابقات Kaggle استفاده می شوند. کتابخانههای مدرن یادگیری ماشینی مانند Python-learn مجموعهای از روشهای یادگیری گروهی پیشرفته را ارائه میکنند که پیکربندی و استفاده صحیح و بدون نشت داده آسان است، یک نگرانی رایج هنگام استفاده از الگوریتمهای مجموعه. در این دوره آموزشی، متوجه خواهید شد که چگونه می توانید شروع کنید و الگوریتم های یادگیری گروهی را با اطمینان در هفت روز به پروژه مدل سازی پیش بینی خود با پایتون بیاورید.
Ensemble learning refers to machine learning models that combine the predictions from two or more models. Ensembles are an advanced approach to machine learning that are often used when the capability and skill of the predictions are more important than using a simple and understandable model. As such, they are often used by top and winning participants in machine learning competitions like the One Million Dollar Netflix Prize and Kaggle Competitions. Modern machine learning libraries like scikit-learn Python provide a suite of advanced ensemble learning methods that are easy to configure and use correctly without data leakage, a common concern when using ensemble algorithms. In this crash course, you will discover how you can get started and confidently bring ensemble learning algorithms to your predictive modeling project with Python in seven days.
Before We Get Started... Lesson 01: What Is Ensemble Learning? Lesson 02: Bagging Ensembles Lesson 03: Random Forest Ensemble Lesson 04: AdaBoost Ensemble Lesson 05: Gradient Boosting Ensemble Lesson 06: Voting Ensemble Lesson 07: Stacking Ensemble Final Word Before You Go...