آموزش یادگیری ماشین 14 - آشنایی با الگوریتم Logistic Regression (چطور نورون مغز رو شبیه سازی کنیم؟)
قسمت چهاردهم دوره آموزش یادگیری ماشین از مقدماتی تا پیشرفته
در این جلسه ابتدا تفاوت دو مفهوم classification و regression رو با هم مرور میکنیم. بعد با هم یک ایده برای استفاده از linear regression برای استفاده در classification رو بررسی میکنیم و یاد میگیریم این کار میتونه خیلی خطا داشته باشه، بخصوص در مواجهه با داده های پرت (outliers). برای حل این مشکل با مفهوم logistic regression آشنا میشیم. با هم قدرت این الگوریتم توی برخورد با داده های پرت رو بررسی میکنیم و در آخر یاد میگیریم چطور با استفاده از این ایده classifier جدید بسازیم. اسم این روش logisitic regression هست و با هم پیاده سازی اون روی دیتاست واقعی پزشکی رو بررسی میکنیم.
.
لینک دانلود دیتاست:
drive.google.com/file/d/1gSbD...
لینک جلسات مرتبط با این دوره
جلسه پیش پردازش دیتاست دیابت • آموزش یادگیری ماشین 9 ...
جلسه آشنایی با معیارهای ارزیابی مختلف (accuracy, precision, recall) • آموزش یادگیری ماشین 8...
ساخت محیط مجازی (virtual environment) دوره • دوره یادگیری ماشین 3 -...
آشنایی و کار با کتابخانه numpy در 20 دقیقه • کتابخانه های پرکاربرد...
آشنایی و کار با کتابخانه pandas در 20 دقیقه • کتابخانه های پرکاربر...
آشنایی و کار با کتابخانه matplotlib در 10 دقیقه • کتابخانه های پرکاربر...
نحوه نصب کتابخانه ها و پکیجها در پایتون • آموزش پایتون قسمت 13 ...
دوره آموزش پایتون از مقدماتی تا پیشرفته • دوره کامل آموزش برنام...
ممنون میشم اگر ویدیوها آموزنده هست اونها رو لایک کنید، توی کانالمون سابسکرایب کنید و اونها رو با دیگران هم به اشتراک بذارین.
لطفا از دانلود ویدیوها اجتناب کنین، برای این ویدیوها زحمت زیادی کشیده شده (من راضی نیستم که اونها رو دانلود کنید) و به همین دلیل تنها راه استفاده رایگان، تماشای آنلاین هست.
لینک کانال تلگرام t.me/techwithhasanabbasi
اگر برای ورود به دنیای برنامه نویسی و آموزش آن به صورت خودآموز نیاز به راهنمایی و مشاوره دارید، میتونین از طریق لینک زیر جهت رزرو زمان مناسب اقدام کنید تا با هم در موردش صحبت کنیم و یه شروع قدرتمند داشته باشین.
calendly.com/techwithhasanabb...
Пікірлер: 55
آقای عباسی لطفا ادامه بده ، کارت درسته
@TechWithHasanAbbasi
3 ай бұрын
سلامت باشین دوست عزیز لطف دارین، انشاالله با حمایت شما
تدریستون عالیه انصافا 🤌
@TechWithHasanAbbasi
Ай бұрын
خواهش میکنم خوشحالم که از آموزشها راضی هستین جهت تهیه این آموزشها زحمت زیادی کشیده شده، ممنون میشم اگر حس میکنین مفید هستن با دوستانتون به اشتراک بذارین
ممنون. عالی
@TechWithHasanAbbasi
8 ай бұрын
خواهش میکنم، خوشحالم از آموزشها راضی هستین
واثعا کارتون عالیه
@TechWithHasanAbbasi
4 ай бұрын
خواهش میکنم، خیلی خوشحالم که از آموزشها راضی هستین جهت تهیه این آموزشها زحمت زیادی کشیده شده، به همین خاطر ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
دمت گرم خیلی حال کردم با این قسمت. از اول دوره همرو دیدم. موفق و پیروز باشی
@TechWithHasanAbbasi
7 ай бұрын
خواهش میکنم. خوشحالم که ازآموزشها راضی هستین
perfect
@TechWithHasanAbbasi
2 ай бұрын
Happy to help!
Great tutorial, thanks a lot Hasan.
@TechWithHasanAbbasi
Ай бұрын
Happy to hear you think so!
عالی،ممنونم
@TechWithHasanAbbasi
4 ай бұрын
خواهش میکنم، خیلی خوشحالم که از آموزشها راضی هستین جهت تهیه این آموزشها زحمت زیادی کشیده شده، به همین خاطر ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
عالی بود.ممنون
@TechWithHasanAbbasi
4 ай бұрын
خواهش میکنم، خوشحالم که آموزشها مفید هست
عالی
@TechWithHasanAbbasi
6 ай бұрын
خواهش میکنم، خوشحالم که از آموزشها راضی هستین ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
مثل همیشه عالی، منتظر جلسه بعدی هستیم
@TechWithHasanAbbasi
8 ай бұрын
خواهش میکنم، خوشحالم که از آموزشها راضی هستین
the best
@TechWithHasanAbbasi
5 ай бұрын
خواهش میکنم، خیلی خوشحالم که از آموزشها راضی هستین جهت تهیه این آموزشها زحمت زیادی کشیده شده، به همین خاطر ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
عالی🙏
@TechWithHasanAbbasi
5 ай бұрын
خواهش میکنم، خیلی خوشحالم که از آموزشها راضی هستین جهت تهیه این آموزشها زحمت زیادی کشیده شده، به همین خاطر ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
استاد لطفا الگوریتم بازی شطرنج را توضیح بدید .سپاس!
@TechWithHasanAbbasi
8 ай бұрын
ممنون بابت نظرتون، حتما در لیست برنامه ها قرار میدم پیشنهادتون رو
Sehr hilfreich
@TechWithHasanAbbasi
2 ай бұрын
Thank you for your support!
I can't wait to see your new video 😃 you opened the door to a new world for me 🙏
@TechWithHasanAbbasi
7 ай бұрын
Hope you enjoyed it!
مهندس عباسی عزیز-ضمن تشکر از زحمات و تلاش شما بابت ایجاد و وقت گذاشتن در تهیه این همه اسلاید و فیلم برای عموم جامعه علمی و مهندسی ایران (پیشنهاد می کنم زیر نویس را فعال کنید تا کسانی که به زبان های دیگر هستند بتوانند استفاده کنند ومخاطب افزایش یابد)-دما و بارش هر دو از عناصر مهم اقلیم یک منطقه یا هر منطقه خاص می باشند دما بخاطر تغییرات کم یک روند خطی یا همان رگرسیونی هستند و خیلی کم در برخی مناطق بخاطر شرایط خاص محل( مثل گرم دره نزدیک تهران و کرج) روند غیرخطی است. ولی بارش بخاطر اینکه ابر حرکت می کند در یک منطقه ثابت نیست مثلا شمال تهران برف می آید مرکز تهران بارش و جنوب تهران خشک است پس یک روند غیر خطی و الگوریتمی بررسی می شود-موفق و پیروز باشید -
@TechWithHasanAbbasi
4 ай бұрын
خواهش میکنم، خیلی خوشحالم که از آموزشها راضی هستین جهت تهیه این آموزشها زحمت زیادی کشیده شده، به همین خاطر ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین ممنون بابت توضیحاتتون
عالی بود. ممنون از ویدئو های خوبتون. در شکل 9 نقاطی که در سمت راست مرز خط قرمز در دسته صفر قرار دارند را چطور توجیه می کنیم؟ درست است که در زیر خط آستانه قرار دارند ولی در سمت راست خط قرمز هستند. همچنین در مورد نقاط سمت چپ خط قرمز در قسمت تومور خوش خیم(1). ممنون میشم توضیح بدین. با تشکر
@TechWithHasanAbbasi
26 күн бұрын
مواردی که اشاره کردین جزو مواردی خواهند بود که اشتباه دسته بندی میشن هر چی کمتر بهتر اما این تصویر فقط یک مثال هست و واقعی نیست
🙏🙏🙏🙏
@TechWithHasanAbbasi
2 ай бұрын
Thank you for your support!
👌👌👌👌
@TechWithHasanAbbasi
Ай бұрын
thank you for your support!
💯💯💯
@TechWithHasanAbbasi
2 ай бұрын
Thank you for your support!
اگر هر الگوریتم را با دیتاسیت های جداگانه کار کنی خیلی جذاب تر میشه
@TechWithHasanAbbasi
6 ай бұрын
ممنون بابت پیشنهادتون، حتما در دوره های بعدی مد نظر قرار داده میشود
با تشکر از زحماتتون. آیا metrics مربوط به رگرسیون خطی با لجستیک رگرسیون با هم متفاوتند؟ مثلا در رگرسیون خطی آیا recall_score یا precision_ score داریم؟ سپاسگزارم
@TechWithHasanAbbasi
18 күн бұрын
سلام سلامت باشین رگرسیون خطی اصلا دسته بندی نیست که بخوایم این پارامترهارو داشته باشیم این پارامترها برای الگوریتم های دسته بندی هست
سلام آقای عباسی ممنون بخاطر ویدیو خوبتون یک سوال من اگه بخوام رو دیتاست پزشکی کار کنم که 8 تا کلاس داره از کدوم classification استفاده کنم برام بهتره؟
@TechWithHasanAbbasi
5 ай бұрын
سلام دوست عزیز پیشنهاد میکنم ویدیو 3 پروژه عملی ماشین لرنینگ رو مشاهده بفرمایید، اونجا روی یک دیتاست پزشکی تمامی الگوریتم ها رو تست کردم که شما هم میتونین این کار رو انجام بدین فقط تعداد کلاسها متفاوت هست که اونجا مثال از تعداد کلاس بیشتر از 2 هم هست (فقط دیگه پزشکی نیست که اهمیتی هم نداره و مهم اصل روند پیاده سازی هست) لینک جلسه: kzread.info/dash/bejne/oqOkvMlmmMLTm9Y.html
سلام آقای عباسی اگر دیتاست ما چند تا کلاس بود و یا عکس بود پیش پردازش متفاوت خواهد بود از این نوع پیش پردازش؟
@TechWithHasanAbbasi
5 ай бұрын
نه تفاوتی نداره، کلا پیش پردازش به لیبل ها کاری نداره و فقط روی ویژگی ها پیاده سازی میشه پیشنهاد میکنم این جلسه رو مشاهده بفرمایید kzread.info/dash/bejne/mqWgxNZmn8m-orA.html
جای الگوریتم XGboost هم خالیه
@TechWithHasanAbbasi
5 ай бұрын
سلام دوست عزیز ممنون بابت پیشنهاد خوبتون، حتما این موضوع در برنامه قرار داده میشه و در ویدیوهای بعدی بهش میپردازیم
@abolfazl9374
5 ай бұрын
مرسی از زحمات شما@@TechWithHasanAbbasi
❤❤❤
@TechWithHasanAbbasi
2 ай бұрын
Thank you for your support!