مطالب پیشنهادی از سراسر وب

به کارگیری متدهای جمعی با scikit-learn

دسته بندی ها: آموزش Scikit-Learn ، آموزش پایتون (Python) ، آموزش های پلورال سایت (Pluralsight)

حتی با افزایش روزانه تعداد فریمورک ها و کتابخانه های یادگیری ماشینی، scikit-learn به راحتی محبوبیت خود را حفظ می کند. به طور خاص، ویژگی های scikit-learn پشتیبانی جامع فوق العاده ای برای یادگیری جمعی، یک تکنیک مهم برای کاهش بیش برازش، ارائه می دهد. شما در این دوره، توانایی ساخت چندین نوع مهم مدل یادگیری جمعی را به دست خواهید آورد. ابتدا، یاد خواهید گرفت که درختان تصمیم و جنگل های تصادفی بلوک های ایده آلی برای یادگیری جمعی هستند و اینکه چگونه می توان از hard voting و soft voting در یک مدل جمعی استفاده کرد. سپس، نحوه استفاده از bagging و pasting برای کنترل شیوه ای که یادگیرندگان فردی در جمعی یاد می گیرند را بررسی می کنید. در پایان، دانش خود را با استفاده از پشته سازی مدل برای ترکیب خروجی یادگیرندگان فردی تکمیل می کنید. پس از اتمام این دوره، مهارت و دانش لازم برای طراحی و اجرای تکنیک های پیشرفته یادگیری جمعی با استفاده از پشتیبانی ارائه شده توسط فریمورک scikit-learn را خواهید داشت.

بررسی دوره

پیاده سازی یادگیری جمعی با استفاده از پشته سازی مدل

فایل های تمرین exercise files.zip
آیا این نوشته را دوست داشتید؟
Pluralsight Employing Ensemble Methods with scikit-learn Author:Janani Ravi Duration:2:14:44 Level:Advanced

Even as the number of machine learning frameworks and libraries increases on a daily basis, scikit-learn is retaining its popularity with ease. In particular, scikit-learn features extremely comprehensive support for ensemble learning, an important technique to mitigate overfitting. In this course, Employing Ensemble Methods with scikit-learn, you will gain the ability to construct several important types of ensemble learning models. First, you will learn decision trees and random forests are ideal building blocks for ensemble learning, and how hard voting and soft voting can be used in an ensemble model. Next, you will discover how bagging and pasting can be used to control the manner in which individual learners in the ensemble are trained. Finally, you will round out your knowledge by utilizing model stacking to combine the output of individual learners. When you’re finished with this course, you will have the skills and knowledge to design and implement sophisticated ensemble learning techniques using the support provided by the scikit-learn framework.

پیشنهاد آموزش مرتبط در فرادرس