فرآیندهای گاوسی (Gaussian Processes) در یادگیری ماشین؛ پیشبینی هوشمند همراه با سنجش عدم قطعیت
1.مقدمه فرآیندهای گاوسی (Gaussian Processes یا GP) یکی از قدرتمندترین و ظریفترین چارچوبهای یادگیری ماشین هستند که با رویکردی احتمالاتی، امکان مدلسازی روابط پیچیده و پیشبینی همراه با عدم قطعیت را فراهم میکنند. برخلاف بسیاری از الگوریتمهای رایج که تنها یک مقدار قطعی را بهعنوان خروجی ارائه میدهند. فرآیندهای گاوسی علاوه بر پیشبینی، میزان اطمینان […]
الگوریتم K-نزدیکترین همسایه (KNN) چیست؟
1.مقدمه الگوریتم K-Nearest Neighbors یا KNN یکی از سادهترین و در عین حال کاربردیترین الگوریتمهای یادگیری ماشین است که برای مسائل دستهبندی و رگرسیون استفاده میشود. ایده اصلی این الگوریتم بر پایه شباهت دادهها قرار دارد؛ به این معنا که نمونههای مشابه معمولاً رفتار یا برچسب مشابهی دارند KNN. بدون ساخت یک مدل پیچیده یا […]
ماشین بردار پشتیبان (Support Vector Machine – SVM) چیست؟
1.مقدمه ماشین بردار پشتیبان (Support Vector Machine یا SVM) یکی از قدرتمندترین الگوریتمهای یادگیری ماشین است که برای دستهبندی و رگرسیون کاربرد دارد. ایده اصلی SVM یافتن یک ابرصفحه (Hyperplane) بهینه است که دادهها را با حداکثر حاشیه (Margin) از یکدیگر جدا کند. این روش نه تنها قابلیت تعمیم بالایی دارد، بلکه توانایی مقابله با […]
رگرسیون الاستیک نت (Elastic Net Regression)؛ راهکار هوشمند برای پیچیدگی دادهها
1.مقدمه رگرسیون الاستیک نت (Elastic Net Regression) یک الگوریتم یادگیری ماشین قدرتمند است که به منظور حل مشکلات رگرسیون خطی معمولی در حضور دادههای با تعداد ویژگی زیاد و همبستگی بالا طراحی شده است. این روش با ترکیب ویژگیهای دو روش Regularization یعنی Lasso (L1) و Ridge (L2)، همزمان مزایای هر دو را ارائه میدهد: […]