آموزش بیش برازش (Overfitting) و کم برازش (Underfitting) در ماشین لرنینگ با مثال درخت تصمیم چگونه باید متوجه Overfitting و Underfitting بشویم و از آن جلوگیری کنیم؟ آشنایی با مفهوم بیش برازش (Overfitting)، کم برازش (Underfitting)
آموزش تقسیم داده در یادگیری ماشین به داده های training و validation آموزش تقسیم داده در یادگیری ماشین با پایتون به داده های آموزش و تست. دسته بندی دیتا ست به داده های تست و آموزش برای اعتبار سنجی.
آموزش محاسبه قیمت خانه با استفاده از ماشین لرنینگ و استفاده از درخت تصمیم استفاده از درخت تصمیم (Decision Tree) در یادگیری ماشین (Machine learning) برای پیشبینی قیمت خانه. نمونه کاربرد درخت تصمیم در یادگیری ماشین
راهنمای استفاده رایگان از Cloudflare به صورت مرحله به مرحله آموزش اضافه کردن سایت در کلودفلر به صورت گام به گام و تصویری برای. افزایش امنیت سایت با Cloud Flare چیست؟ راهنمای تنظیمات رایگان کلودفلر
آموزش مرحله به مرحله و با مثال ساخت ماتریس درهم ریختگی (Confusion Matrix) در مسایل طبقه بندی چند کلاسه در این مطلب به آموزش ساخت جدول یا ماتریس درهم ریختگی (confusion matrix) برای مسایل طبقه بندی چندکلاسه Multi-Class Classification می پردازیم…
آموزش مرحله به مرحله و با مثال معیارهای ارزیابی مدل های طبقه بندی و ماتریس درهم ریختگی (Confusion Matrix) آموزش کامل و مرحله به مرحله ماتریس درهم ریختگی به عنوان معیاری برای ارزیابی مدلهای دادهکاوی به همراه مثال. بررسی معیارهای صحت، دقت و پوش…
آموزش روش کدبندی وان هات (One Hot Encoding) — به زبان ساده در این مطلب به زبان خیلی ساده و به همراه مثال، روش کدبندی وان هات (One Hot Encoding) را مرحله به مرحله با پایتون پیاده سازی و اجرا می کنیم.
کتاب اثر مرکب، تجربه شخصی تجربه شخصی از خواندن کتاب اثر مرکب نوشته دارن هاردی. The Compound Effect: Multiply Your Success One Simple Step at a Time by Darren Hardy
آموزش الگوریتم گرادیان کاهشی در شبکه های عصبی عمیق Gradient descent در این مطلب از سری آموزش های شبکه های عصبی عمیق، الگوریم گرادیان کاهشی را به عنوان مبحث آموزشی انتخاب کرده ایم. ارزیابی تابع هزینه و
گراف محاسباتی (Computational Graph) و محاسبه مشتق ضمنی در شبکه های عصبی عمیق آموزش انتشار رو به جلو (Forward Propagation) و رو به عقب (Backward پس انتشار) و محاسبه مشتق ضمنی با استفاده از قانون زنجیر در دیفرانسیل