دوره آموزشی یادگیری ماشین و مبانی هوش مصنوعی: درخت تصمیم گیری با SPSS
1 ساعت 27 دقیقهمبتدی2024-02-02
مدرسین
Keith McCormick
Data Miner, Trainer, Speaker, Author
جزئیات دوره
بسیاری از متخصصان علوم داده به دنبال تمرکز بر یادگیری ماشین هستند. این دوره ملزومات یادگیری ماشین را شامل میشود، از جمله تجزیه و تحلیل پیش بینی و کار با درخت تصمیم گیری. چندین الگوریتم محبوب درخت تصمیم گیری را کاوش کنید و یاد بگیرید که چگونه از مهندسی معکوس برای شناسایی متغیرهای خاص استفاده کنید. ارائههای استفاده از IBM SPSS Modeler گنجانده شده است تا بتوانید نحوه عملکرد درختان تصمیم گیری را بفهمید. این دوره طراحی شده است تا پایه و اساس محکمی را در اختیار شما بگذارد که بتوانید مهارتهای پیشرفتهتری در زمینه علوم داده را ایجاد کنید.
موضوعات شامل:
با استفاده از SPSS Modeler
ساخت یک مدل CHAID
افزودن مدل دوم با C&RT
یادداشت های تجزیه و تحلیل
استفاده از نمودار آسانسور و سود
کاوش الگوریتم ها
ساختن یک درخت به صورت تعاملی
تنظیم Bonferonni
مدیریت متغیرهای اسمی ، ترتیبی و مداوم
بررسی درخت CHAID
ضریب جینی
توزین خلوص و تعادل
درک هرس
بررسی درخت C&RT
اعمال قوانین توقف
با استفاده از ترفند تنظیم خودکار طبقه بندی
موضوعات شامل:
با استفاده از SPSS Modeler
ساخت یک مدل CHAID
افزودن مدل دوم با C&RT
یادداشت های تجزیه و تحلیل
استفاده از نمودار آسانسور و سود
کاوش الگوریتم ها
ساختن یک درخت به صورت تعاملی
تنظیم Bonferonni
مدیریت متغیرهای اسمی ، ترتیبی و مداوم
بررسی درخت CHAID
ضریب جینی
توزین خلوص و تعادل
درک هرس
بررسی درخت C&RT
اعمال قوانین توقف
با استفاده از ترفند تنظیم خودکار طبقه بندی
مهارت ها
SPSS StatisticsSPSSIBMDecision-MakingMachine LearningArtificial Intelligence (AI)Professional DevelopmentLeadership and ManagementDeep Dive (X:Y)
سرفصل ها
0. مقدمه
- 01 - درخت تصمیم در SPSS Modeler
- 02 - آنچه باید بدانید
- 03 - Modeler 18.4
- 04 - استفاده از فایلهای تمرین
1. Decision Trees در IBM SPSS Modeler
- 05 - گزینههای درخت تصمیم در SPSS Modeler
- 06 - ساخت یک مدل CHAID سریع
- 07 - اضافه کردن مدل دوم با C&RT
- 08 - Nodeهای آنالیز
- 09 - نمودار افزایش و سود
2. درک CHAID
- 10 - الگوریتم چیست
- 11 - نمای کلی مربع کای
- 12 - ساختن درخت به صورت تعاملی
- 13 - تنظیم بونفرونی
- 14 - سطح اندازهگیری چیست
- 15 - نحوه مدیریت CHAID با متغیرهای اسمی
- 16 - چگونه CHAID متغیرهای ترتیبی را مدیریت میکند
- 17 - چگونه CHAID متغیرهای پیوسته را مدیریت میکند
- 18 - نگاهی گذرا به درخت CHAID کامل
3. درک C&RT
- 19 - ضریب جینی چقدر است
- 20 - C&RT چگونه خلوص و تعادل را وزن میکند
- 21 - C&RT چگونه متغیرهای اسمی، ترتیبی و پیوسته را مدیریت میکند
- 22 - C&RT چگونه دادههای از دست رفته را مدیریت میکند
- 23 - درک هرس
- 24 - نگاهی گذرا به درخت کامل C&RT
4. بهبود مدل خود
- 25 - قوانین توقف در CHAID و C&RT
- 26 - CHAID جامع
- 27 - گره Tree-AS
- 28 - ترفند تنظیم Autoclassifier
نتیجه
- 29 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی یادگیری ماشین و مبانی هوش مصنوعی: درختان تصمیم با KNIME
- دوره آموزشی یادگیری ماشین و مبانی هوش مصنوعی: درختان تصمیم گیری پیشرفته با KNIME
- دوره آموزشی مبانی هوش مصنوعی : یادگیری ماشین (2018)
- دوره آموزشی یادگیری جامع یادگیری تحت نظارت
- دوره آموزشی Power BI: ترکیب هوش مصنوعی با دادهها
- دوره آموزشی مبانی معماری هوش مصنوعی عاملی: طراحی سیستمهای هوش مصنوعی خودمختار
- دوره آموزشی علم داده عملی و هوش مصنوعی برای مراقبت های بهداشتی
- دوره آموزشی مبانی هوش مصنوعی: شروع کار با سیستمهای هوشمند
مسیرهای مرتبط
- مسیر آموزشی توسعه دادن مهارت های SPSS
- مسیر آموزشی یادگیری ماشینی بدون کد با KNIME
- مسیر آموزشی مهارت های خود را به عنوان یک متخصص یادگیری ماشین ارتقا دهید
- مسیر آموزشی از دانشمند داده به یک تحلیلگر داده تبدیل شوید
- مسیر آموزشی توسعه مهارتهای پایتون برای هوش مصنوعی و یادگیری ماشین
- مسیر یادگیری گواهینامه حرفهای یادگیری ماشین با پایتون
- مسیر آموزشی تبدیل به یک دانشمند داده شوید
- مسیر آموزشی توسعه دادن مهارت تجزیه و تحلیل داده های خود