LOGIN
ثبت نام یا ورود
Avatar
هنوز ثبت نام نکرده اید؟

هم اکنون عضو پلاک آبی شوید .و به اطلاعات وب سایت ما دسترسی داشته باشید

تنظیم مجدد کلمه عبور - نام کاربری را فراموش کرده ام

نام کاربری
کلمه عبور
مرا به خاطر بسپار

placabi articles

12 الگوریتم که هر دانشمند داده باید بداند 12 الگوریتم که هر دانشمند داده باید بداند

12 الگوریتم که هر دانشمند داده باید بداند

  • این مورد را ارزیابی کنید
    (8 رای‌ها)

معرفی الگوریتم های مورد نیاز دانشمند داده شامل رگرسیون ، تنظیمی ، مثال محور و حافظه محور ، کاهش بعد ، Deep Learning ، قوانین وابستگی ، آموزش گروهی ، بیزی ، درخت تصمیم ، خوشه بندی ، شبکه عصبی

در فیلمک زیر به معرفی دوازده الگوریتم مطرح در داده کاوی می‌پردازیم:

 

FILMAK19 PLACABI Algorithms video

امروزه الگوریتم ها به جزئی جدائی ناپذیر از زندگی روزمره ما انسان‌ها تبدیل شده و به‌خصوص در اغلب جنبه‌های کسب و کارهای امروزی مورد استفاده قرار می‌گیرند. مؤسسه گارتنر، از این رویکرد (استفاده از الگوریتم ها در کسب و کار) با نام کسب و کار الگوریتمیک یاد کرده است. این رویکرد علاوه بر کسب و کار، شیوه مدیریت و پیشبرد اهداف سازمان‌ها را دستخوش تغییرات اساسی کرده است. طیف الگوریتم های مورد استفاده  توسط دانشمند داده در کسب و کار بسیار وسیع است. در واقع بخش‌ها و جنبه‌های  مختلف کسب و کار، نیازمند الگوریتم های مختلف و مخصوص به خود هستند. مفهوم «بازار فروش الگوریتم» مفهوم جدیدی است که بر مبنای آن یک دانشمند داده می‌تواند بر حسب نیاز خود، الگوریتم مورد نظرش را تهیه کند. از نمونه این بازارهای عرضه کننده الگوریتم ، می‌توان Algoritmia را نام برد. Algoritmia با ارائه بیش از 800 الگوریتم در شاخه‌هایی چون پردازش صوت و تصویر، یادگیری ماشین و بینایی ماشین، به توسعه دهندگان کمک می‌کند تا سرعت توسعه نرم افزار را بالا برده و هزینه‌ها را کاهش دهند.


به این نکته باید توجه داشت که الگوریتم های موجود در Algoritmia ممکن است برای کاربردهای خاص، قابل استفاده نباشند. در واقع در موقعیت‌های مختلف، الگوریتم های متفاوت و مناسب آن موقعیت، مورد نیاز است. همچنین یک الگوریتم واحد در شرایط مختلف می تواند نتایج متفاوتی تولید کند. در حقیقت عوامل متعددی در تعیین نوع الگوریتم و چگونگی عملکرد آن تأثیرگذار هستند. از جمله عوامل تأثیر گذار در انتخاب الگوریتم توسط دانشمند داده می توان به نوع و حجم داده های مورد استفاده در پیاده سازی الگوریتم ، صنعتی که الگوریتم مورد نظر در آن عملیاتی می شود و حوزه کاربرد آن الگوریتم در صنعت مورد نظر را نام برد.

بنابراین، گاهی خرید یک الگوریتم از پیش آماده و بهبود آن برای تأمین نیازهای کسب و کار، ممکن است بهترین گزینه نباشد. دانشمندان داده باید همواره افزایش دانش را خود نسبت به مهم‌ترین الگوریتم های طراحی شده (چگونگی توسعه آن الگوریتم ها و اینکه هر کاربرد، نیازمند چه نوع الگوریتمی است) افزایش دهند. تیم think big data با تهیه لیست زیر، 12 مورد از مهمترین الگوریتم های حوزه کار با داده ها و یادگیری ماشین را ارائه کرده است:

 

---- الگوریتم های رگرسیون ----
Regression Algorithms

الگوریتم رگرسیون

  • رگرسیون حداقل مربعات معمولی OLSR: Ordinary Least Squares Regression

  • رگرسیون خطی Linear regression

  • رگرسیون لجستیک Logistic Regression

  • رگرسیون مرحله ای Stepwise regression

  • رگرسیون چند متغیره تطبیقی MARS: Multivariate Adaptive Regression Splines

  • رگرسیون LOESS: locally weighted scatterplot smoothing 

  • رگرسیون Jackknife

 

 

 

---- الگوریتم­ های تنظیمی ----
Regularization Algorithms

الگوریتم های تنظیمی

  • رگرسیون Ridge

  • رگرسیون LASSO: least Absolute Shrinkage and Selection Operator

  • رگرسیون تنظیمی Elastic Net

  • رگرسیون حداقل زاویه LARS: Least-Angle Regression

 

 

-- الگوریتم­ های مثال محور و حافظه --
Instance Based Algorithms

الگوریتم های مثال محور و حافظه

 

  • الگوریتم k- نزدیک ترین  همسایه K-Nearest Neighbor

  • الگوریتم LVQ: Learning Vector Quantization

  • نگاشت های خود سازمانده SOM: Self-Organizing Map

  • لگوریتم یادگیری وزن دهی محلی LWL: Locally Weighted Learning

 

 

---- الگوریتم های کاهش بعد ----
Dimentionality Reduction Algorithms

الگوریتم کاهش بعد

  •  الگوریتم تحلیل مولفه های اصلی   PCA: Principal Component Analysis

  • الگوریتم رگرسیون مولفه های اصلی PCR: Principal Component Regression

  • رگرسیون حداقل مربعات جزئی PLSR: Partial Least Squares Regression

  • الگوریتم Sammon Mapping

  • الگوریتم مقیاس گذاری چند بعدی MDS: Multidimensional Scaling

  • الگوریتم Projection Pursuit

  • الگوریتم های تجزیه و تحلیل تفکیکی Discriminant Analysis شامل LDA ، MDA، QDA و FDA

 

 

---- الگوریتم های یادگیری عمیق ----
Deep Learning Algorithms

deep learning - الگوریتم یادگیری عمیق

  • الگوریتم DBM: Deep Boltzman Machine

  • الگوریتم DBN: Deep Belief Networks

  • الگوریتم شبکه های عصبی کانولوشن CNN: Convolutional Neural Network

  • Stacked Auto-Encoders

 

 

-- الگوریتم های یادگیری قوانین وابستگی --
Accosiated Rule Algorithms

الگوریتم قوانین وابستگی

الگوریتم های قوانین وابستگی شامل موارد زیر است:

  • الگوریتم Apriori

  • الگوریتم Eclat

  • الگوریتم FP-Growth

 

 

-- الگوریتم های آموزش گروهی --
Ensemble Algorithms

الگوریتم های گروهی

  • الگوریتم Logit Boost (Boosting)

  • الگوریتم Bootstrapped Aggregation (Bagging)

  • الگوریتم AdaBoost

  • الگوریتم Stacked Generalization (blending)

  • الگوریتم GBM: Gradient Boosting Machines

  • الگوریتم GBRT: Gradient Boosted Regression Trees

  • الگوریتم جنگل تصادفی Random Forest

 

 

---- الگوریتم های بیزی ----
Bayesian Algorithms

شبکه های بیزی - الگوریتم بیزی

  • الگوریتم نایو بیز Naive Bayes

  • الگوریتم نایو بیز گاوسی Gaussian Naive Bayes

  • الگوریتم نایو بیز چند جمله‌ای Multinomial Naive Bayes

  • الگوریتم بیزی AODE: Averaged One-Dependence Estimators

  • الگوریتم شبکه های بیزی BN: Bayesian Network

  • الگوریتم شبکه های بیزی اعتقادی BBN: Bayesian Belief Network

  • الگوریتم مدل های پنهان مارکفی  Hidden Markov Models

  • الگوریتم مدل های میدان تصادفی شرطی CRFs: Conditional Random Fields

 

 

--- الگوریتم های درخت تصمیم ---
Decision Tree Algorithms

الگوریتم درخت تصمیم

  • الگوریتم درخت تصمیم دسته بندی و درخت تصمیم رگرسیون CART: Classification and Regression Tree

  • الگوریتم ID3

  • الگوریتم های C4.5 و C5.0

  • الگوریتم CHAID

  • Decision Stump

  • M5

  • الگوریتم جنگل تصادفی Random Forest

  • درخت تصمیم مشروط Conditional Decision Trees

 

 

---- الگوریتم های خوشه بندی ----
Clustering Algorithms

الگوریتم خوشه بندی

  • الگوریتم خوشه بندی Single-linkage

  • الگوریتم K-Means

  • الگوریتم K-Medians

  • الگوریتم امید ریاضی- بیشینه سازی EM: Expectation Maximization

  • خوشه بندی سلسله مراتبی Hierarchical Clustering

  • خوشه بندی فازی Fuzzy Clustering

  • DBSCAN

  • الگوریتم فاکتورگیری ماتریسی غیرمنفی OPTICS: Non Negative Matrix Factorization

  • تخصیص پنهان دیریکله LDA: Latent Dirichlet allocation

     

 

---- الگوریتم های شبکه عصبی ----
Newral Networks Algorithms

الگوریتم شبکه عصبی

  • الگوریتم شبکه های عصبی خود سازمانده Self-Organizing Map

  • الگوریتم شبکه عصبی پرسپترون Perceptron

  • الگوریتم تکنیک آموزش شبکه های عصبی Back-Propagation

  • الگوریتم شبکه عصبی هاپفیلد Hopfields Networks

  • الگوریتم شبکه عصبی RBFN: Radial Basis Function Network

  • الگوریتم Autoencoders

  • الگوریتم ماشین های بولتزمان Boltzmann Machines

  • الگوریتم ماشین های بولتزمان محدود Restricted Boltzmann Machines

  • الگوریتم شبکه های عصبی Spiking Neural Networks

  • الگوریتم شبکه های عصبی LVQ: Learning Vector Quantization

 

 

---- سایر الگوریتم ها ----

ماشین های بردار پشتیبان

  • ماشین‌های بردار پشتیبان SVM: Support Vector Machines

  • الگوریتم های تکاملی   Evolutionary Algorithms

  • ILP: Inductive Logic Programming

  • الگوریتم یادگیری تقویتی Reinforcement Learning شامل الگوریتم های Q-Learning، Temporal Difference و SARSA

  • مدل‌های آماری تحلیل واریانس ANOVA: Analysis of Variance

  • الگوریتم IFN: Info Fuzzy Network

  • فناوری‌های Page Rank

  • مدل‌های میدان تصادفی شرطی CRF: Conditional Random Fields

 

 

مرجع: وب سایت DATAFLOO

12 algorithms every data scientist should know

برداشت و نقل قول مطالب سایت شرکت پلاک آبی صرفاً با ذکر آدرس سایت به عنوان منبع مطلب، بلامانع می باشد.

خواندن 698 دفعه آخرین ویرایش در چهارشنبه, 15 آذر 1396 ساعت 16:05
امیرحسین معصومی

کارشناس توسعه خدمات/محصول شرکت پلاک آبی

 

 

عضو تیم تولید محتوای وب سایت و شبکه‌های اجتماعی شرکت پلاک آبی

کارشناس مهندسی صنایع دانشگاه صنعتی خواجه نصیرالدین طوسی

 

  • هیچ نظری یافت نشد

نظر خود را اضافه کنید.

ارسال نظر به عنوان مهمان

0
نظر شما به دست مدیر خواهد رسید
 تماس با ما

شهرک غرب، بلوار فرحزادی، خیابان تربیت معلم،
انتهای خیابان گلبان،
مجتمع موج، واحد 105
کد پستی: 1998963193
تلفن: 5 - 88560784
فکس: 88560786
پست الکترونیک:
info @ p l a c a b i . com
ibig @ p l a c a b i . com

 

We use cookies to improve our website. By continuing to use this website, you are giving consent to cookies being used. More details…