ماشین بولتزمن محدودشده(Restricted Boltzman machine)

شبکه‌های عصبی تصادفی و مولدی هستند که مشکلات ترکیبی دشوار را حل می‌کنند. درواقع الگوریتم‌هایی هستند که برای کاهش ابعاد، طبقه‌بندی، رگرسیون، فیلتر کردن، یادگیری ویژگی‌ها و مدل‌سازی استفاده می‌شوند.

یادگیری آماری (Statistical learning theory)

اصل و اساس علم داده، یادگیری بر اساس داده‌های موجود است که از طریق علم یادگیری آماری صورت می‌گیرد. تئوری یادگیری آماری، چارچوبی برای یادگیری ماشین تحت نظارت و بدون نظارت است، که بر مبنای آمار و تحلیل تابع بنا شده است. در واقع این تئوری با…

شناسایی موجودیت‌های نام دار (Named Entity Recognition)

شناسایی موجودیت‌های نام دار (Named Entity Recognition | NER)، کاری رایج در پردازش زبان طبیعی (NLP) است، که موجودیت‌های متن را تشخیص و برای دسته‌بندی برچسب می‌زند، که نام مکان، شرکت، شخص، دارو، بیماری و ... می‌تواند باشد.

آشنایی با ۱۲ مدل رگرسیون (Regression) و نحوه انتخاب مدل مناسب

رگرسیون یکی از مهمترین ابزارهای تحلیل در حوزه‌ی علوم داده و از جمله ابتدایی‌ترین الگوریتم‌های یادگیری ماشین محسوب می‌شود. در این مقاله به معرفی اجمالی انواع مدل‌های رگرسیون می‌پردازیم.

مقدمه‌ای بر رگرسیون خطی (Linear Regression)

رگرسیون خطی عالی‌ترین مسیر برای ورود به دنیای شگفت‌انگیز یادگیری ماشین می‌باشد ، این الگوریتم همچنین ساده‌ترین الگوریتم در این حوزه است. در این مقاله به معرفی اجمالی رگرسیون خطی می‌پردازیم.