FatemeHeidari·۴ سال پیشدرک عمیق بایاس و واریانسآشنایی با مفهوم کم برازش و بیش برازش با وجود داشتن بایاس و واریانسقبل از ساختن یک مدل یادگیری ماشین، دادههای خود را به دو بخش تقسیم میکنی…
Samrand Majnooni·۴ سال پیشبررسی دو مفهوم under-fitting و over-fitting در یادگیری ماشیندر این مقاله به مفهوم بیش overfit و underfit در دنیای واقعی و رابطه آنها با بایاس و واریانس مدل می پردازیم.
ملیکا بهروز رازق·۴ سال پیشتفاوت overfit و underfit در دنیای واقعیدر دنیای الگوریتم overfit به این معناست که مدل به قدری داده های آموزش را خوب یاد گرفته که در اصطلاح آن ها را حفط شده اما بر روی داده های تس…
سمیرا نامی ساعی·۴ سال پیشچالش ها و محدوديت هاچالشهای مربوط به دادهداده اساس یادگیریماشین است و هیچ الگوریتم و مدلی با داده بد نمیتواند عملکرد خوبی داشته باشد. کمیت نامناسب داده، داد…
محمد حسن بشری موحد | Hassan Bashari·۸ سال پیشیادگیری و یادگیری ماشینیادگیری ماشین به معنای یادگیری ماشین از روی داده ها است.یادگیری چه چیزی؟..این که ماشین چه چیزی را از داده ها می آموزد تنها به دسته بندی ماشینهای دارای قدرت یادگیری کمک میکند. من در این بخش نمی خواهم درباره ی این موضوع صحبت کنم. در این جا تنها و تنها می خواهم کمی درباره ی مفهوم یادگیری بحث کنم.یا...
