یادگیری ماشین و مبانی هوش مصنوعی: درختان تصمیم با KNIME

مدرس Keith McCormick

انتشار 2022/06/22

مدت زمان 1h 59m

سطح مناسب همه

فایل تمرینی دارد

آموزش Machine Learning and AI Foundations: Decision Trees with KNIME

پیش نیازهای پیشنهادی آشنایی کلی با یادگیری ماشینی تحت نظارت درک عباراتی مانند متغیر هدف، متغیر ورودی، الگوریتم و پارتیشن قطار/آزمایش درخت‌های تصمیم شفاف هستند، در هر پلتفرمی در دسترس هستند و برای تکنیک‌های پیشرفته‌تر مانند جنگل‌های تصادفی و XGBoost پایه‌ای هستند. و اگر شما یک دانشمند داده هستید که به دنبال تمرکز بر یادگیری ماشینی هستید، مسلماً موضوع بهتری برای شروع سفر یادگیری شما وجود ندارد. در این دوره، اصول یادگیری ماشینی مربوط به تجزیه و تحلیل پیش بینی و کار با درخت های تصمیم را بیاموزید. در طول مسیر، مربی کیت مک کورمیک با استفاده از پلتفرم KNIME Analytics نمایش هایی ارائه می دهد، بنابراین می توانید نحوه عملکرد این مفاهیم را در سناریوهای دنیای واقعی درک کنید.

Artificial Intelligence (AI) Decision Trees Knime

Introduction

The basics of decision trees ()

What you should know ()

How to use the practice files ()

1. Introducing Decision Trees

What is a decision tree? ()

The pros and cons of decision trees ()

Introducing KNIME ()

A quick review of machine learning basics with examples ()

An overview of decision tree algorithms ()

2. Introducing the C5.0 Algorithm

Ross Quinlan, ID3, C4.5, and C5.0 ()

Understanding the entropy calculation ()

How C4.5 handles missing data ()

The Give Me Some Credit data set ()

Working with the prebuilt example ()

KNIME settings for C4.5 ()

How C4.5 handles nominal variables ()

How C4.5 handles continuous variables ()

Equal size sampling ()

A quick look at the complete C4.5 tree ()

Evaluating the accuracy of your C4.5 tree ()

When to turn off pruning ()

3. Introducing Classification Trees

Introducing Leo Breiman and CART ()

What is the Gini coefficient? ()

How CART handles missing data using surrogates ()

Changing the settings in KNIME ()

How CART handles nominal variables ()

A quick look at the complete CART tree ()

Evaluating the accuracy of your CART tree ()

4. Introducing Regression Trees

MPG data set ()

The regression tree prebuilt example ()

The math behind regression trees ()

How RT handles nominal variables ()

Ordinal variable handling ()

Closer look at a full regression tree ()

KNIME's missing data options for regression trees ()

Line plot ()

Accuracy ()

Conclusion

Next steps ()

Ex_Files_ML_and_AI_Foundations_Decision_Trees_KNIME.zip (2.3 MB)

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.

مسیرهای یادگیری آموزش یادگیری ماشین و مبانی هوش مصنوعی: درختان تصمیم با KNIME

یکی از مهمترین مشکلات افرادی که از آموزش های آنلاین استفاده می‌ کنند این است به دلیل تعداد زیاد این آموزش ها، کاربر دچار سردرگمی شده و نمی داند از کدام آموزش بهتر است شروع کند و یا با کدام آموزش ها مهارت های خود را ارتقا دهد. داشتن یک برنامه آموزشی گام به گام میتواند کاربران را از این مشکلات رها کند. در واقع مسیرهای یادگیری مجموعه ای از آموزش ها هستند که به ترتیب اولویت در کنار هم قرار گرفته اند تا کاربران را از این سردرگمی ها نجات دهند. این مسیرها در موضوعات مختلفی دسته بندی شده‌اند که در زیر، لیستی از همه دسته بندی مسیرهایی که توسط سایت لیندا ارائه شده اند را می توانید مشاهده کنید.

آموزش Machine Learning and AI Foundations: Decision Trees with KNIME در 1 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

یادگیری ماشین فقط برای توسعه دهندگان و مهندسان نرم افزار نیست. با راه حل های بدون کد و کم کد، این مسیر یادگیری شما را با برنامه نویسی بصری برای یادگیری ماشین آشنا می کند و بر مجموعه KNIME تمرکز می کند. در فرآیند تجزیه و تحلیل، ترکیب و تجسم داده ها، بدون هیچ کدنویسی قدم بردارید.

آموزش یادگیری ماشین و مبانی هوش مصنوعی: درختان تصمیم با KNIME ، ایستگاه شماره 2 در مسیر یادگیری آموزش یادگیری ماشینی بدون کد با KNIME ، است.