در این مقاله ضمن بررسی روش های نرمالسازی داده ها در داده کاوی به تشریح روش Z-score در نرمال سازی و کاربرد آن در تشخیص داده های پرت با انجام یک تمرین به صورت فیلم آموزشی با پایتون میپردازیم.
مقایسه چهار مدل دسته بندی با محاسبه معیار RMSE و MSE
09 اسفند 1396بررسی الگوریتم Support Vector Machine یا ماشین بردار پشتیبان و مقایسه دقت چهار مدل SVM ، KNN ، درخت تصمیم و شبکه عصبی از طریق RMSE و MSE در پایتون در یک فیلم آموزشی
در این مقاله ضمن بررسی مفاهیم و تفاوت های داده های پرت یا outlier ها با داده های نویز در علم داده کاوی به پیاده سازی یک تمرین ساده به صورت فیلم آموزشی در محیط پایتون میپردازیم.
بررسی مفاهیم دو مدل دسته بندی K نزدیک ترین همسایگی یا KNN و درخت تصمیم یا Decision Tree و پیاده سازی و مقایسه این دو مدل Classification به صورت فیلم آموزشی در پایتون
در این مقاله ضمن بررسی مفاهیم کاهش بعد ( کاهش ویژگی یا کاهش مشخصه ) و تحلیل مولفه های اصلی یا PCA به پیاده سازی یک مثال کاربردی به صورت فیلم آموزشی در پایتون میپردازیم.
متوازن سازی داده ها در دیتاست هایی با کلاس های نامتوازن در رپیدماینر
07 ارديبهشت 1397چالش های بهکارگیری تکنیک های استاندارد یادگیری ماشین برای متوازن سازی داده ها در دیتاست هایی با کلاس های نامتوازن کدامند؟ حل مسائلی چون کشف ناهنجاری و کشف تقلب با دیتاست هایی با داده های نامتوازن
اجرای پروژه رده بندی در پایتون با الگوریتم شبکه عصبی
03 بهمن 1396معرفی الگوریتم شبکه عصبی ، مزایای کاربرد زبان برنامه نویسی پایتون در داده کاوی ، و اجرای یک نمونه پروژه داده کاوی با الگوریتم شبکه عصبی در Python برای رده بندی و تعیین کلاس داده ها
معرفی 10 کتابخانه مصورسازی داده ها در پایتون
25 اسفند 1396در این مقاله ضمن معرفی کاربردی 10 کتابخانه مصورسازی پایتون به پیاده سازی یک مثال ساده به صورت فیلم آموزشی در محیط python میپردازیم.
بررسی مفاهیم گسسته سازی یا discretization و توابع اعداد تصادفی و معرفی کاربردهای آن در داده کاوی و پیاده سازی یک مثال در پایتون به صورت یک فیلم آموزشی
بررسی مفاهیم تجمیع داده ها یا Data Aggregation و داده های از دست رفته یا Missing Value ، معرفی راهکارهای موجود، و پیاده سازی پروژه در پایتون به صورت یک فیلم آموزشی