۱۰ الگوریتم مهم که باید در رابطه با یادگیری ماشین (Machine Learning) بدونید
به سلسله مطالب سرنخ خوش آمدید

ما در آغاز یک دوران انقلابی زندگی می کنیم دلیل اون توسعه تجزیه و تحلیل داده ها، قدرت محاسباتی بزرگ و محاسبات ابری است. یادگیری ماشین قطعا نقش مهمی در اون ایفا خواهد کرد و مغزهای پشت این یادگیری ماشین ، مبتنی بر الگوریتم هستند. این مقاله ۱۰ تا از محبوب ترین الگوریتم های یادگیری ماشین را که در حال حاضر استفاده می شوند پوشش می دهد .
این الگوریتم ها میتوانند به ۳ دسته اصلی تقسیم بشند.
یادگیری با نظارت (Supervised Algorithms)
در این روش دیتاست (مجموعه ی داده ) تمرینی ما دارای ورودی و همچنین خروجی مناسب است.در طول جلسه یادگیری ماشین ، مدلی ایجاد میشود که متغیرهای آن را برای نمایش ورودی به خروجی متناظر تنظیم می کند.
یادگیری بدون نظارت (Unsupervised Algorithms) :
در این دسته بندی هدفی برای تولید خروجی وجود ندارد بلکه الگوریتم های استفاده شده ، داده های ما را به گروه های مختلف دسته بندی میکنند.
یادگیری تقویتی (Reinforcement Algorithms) :
این الگوریتم ها براساس تصمیم گیری آموزش دیده اند. بنابراین بسته به تصمیمات، الگوریتم ها خود را برای تولید خروجی موفقیت آمیز و یا شکست آموزش میدهند. در نهایت این الگوریتم دارای تجربه ای است که قادر به ارائه پیش بینی های خوب در یک موضوع خواهد بود.
الگوریتم هایی که قرار است توی این مقاله پوشش داده بشوند عبارتند از:
۱٫رگرسیون خطی (Linear Regression) :

۲٫ماشین بردار پشتیبان (SVM (Support Vector Machine :

۳٫الگوریتم k نزدیک ترین همسایه (KNN (K-Nearest Neighbors :

۴٫رگرسیون لجستیک (Logistic Regression) :

۵٫درخت تصمیم (Decision Tree) :

۶٫الگوریتم خوشه بندی K-Means :

۷٫الگوریتم جنگل تصادفی (Random Forest) :

۸٫الگوریتم Naive Bayes :

۹٫الگوریتم های کاهش ابعاد (Dimensional Reduction Algorithms) :

۱۰٫ الگوریتم های گرادیان تقویتی (Gradient Boosting Algorithms) :

آخرین دیدگاهها