رگرسیون سری زمانی (Time series regression) در یادگیری ماشین
رگرسیون سری زمانی (Time series regression) در یادگیری ماشین ابزار قدرتمندی است که در پیش بینی مورد استفاده قرار می گیرد و دامنه وسیعی دارد. از برنامه های کاربردی با
رگرسیون سری زمانی (Time series regression) در یادگیری ماشین ابزار قدرتمندی است که در پیش بینی مورد استفاده قرار می گیرد و دامنه وسیعی دارد. از برنامه های کاربردی با
رگرسیون خطی (Linear regression) در یادگیری ماشین یک مفهوم اساسی در یادگیری ماشین است که به طور گسترده برای پیش بینی مقادیر عددی استفاده می شود. این یک الگوریتم ساده
رگرسیون چند جمله ای (Polynomial regression) یک تکنیک قدرتمند است که در یادگیری ماشین برای مدل سازی روابط پیچیده بین متغیرها استفاده می شود. این مفهوم رگرسیون خطی را با
پیش پردازش داده ها گامی مهم در یادگیری ماشینی است که شامل تبدیل داده های خام به قالب است. که برای تحلیل مناسب است اغلب گفته می شود که کیفیت
تحلیل داده های اکتشافی یا Exploratory data analysis مخفف (EDA) گامی مهم در فرآیند تجزیه و تحلیل داده ها است. این شامل بررسی و درک داده ها قبل از اعمال هر
یادگیری ماشین به بخشی جدایی ناپذیر از زندگی ما تبدیل شده است، از توصیه های شخصی سازی شده در پلتفرم های استریم تا خود رانندگی ماشین ها اما آیا تا
سال های اخیر همانطور که الگوریتم های یادگیری ماشین در زندگی روزمره ما رایج تر می شوند، پرداختن به موضوع سوگیری در جمع آوری داده ها برای این مدل ها
یادگیری ماشین به بخشی جدایی ناپذیر از زندگی ما تبدیل شده است، از دستیارهای صوتی مانند سیری و الکسا تا شخصی سازی شده توصیه هایی در مورد سیستم عامل های
دانشمند داده کیست؟ در دنیای دیجیتال امروزی، نقش دانشمند داده یا Data scientist اهمیت فزاینده ای پیدا کرده است. با انفجار داده ها در هر صنعتی، شرکت ها به دانشمندان
رگرسیون Regression یک تکنیک یادگیری نظارت شده است که هدف آن پیش بینی مقادیر عددی پیوسته بر اساس ویژگی های ورودی است. به طور گسترده در حوزه های مختلف از
گرادیان برداری چیست؟ اگر تا به حال حساب دیفرانسیل و انتگرال یا فیزیک خوانده اید، ممکن است با این اصطلاح برخورد کرده باشید. بردار گرادیان یک مفهوم ریاضی است که
فاصله اقلیدسی یک مفهوم اساسی در داده کاوی است که نقش مهمی در الگوریتم ها و تکنیک های مختلف ایفا می کند. معیاری برای تشابه یا عدم تشابه بین دو