python خانه پایتون گروه آموزشی برنامه نویسی

در این جلسه از کتاب Hands-On Machine Learning with Scikit-Learn and PyTorch، چاپ ۲۰۲۶، از بخش Training Supervision در انتهای صفحه ۳۴ فایل PDF تا پیش از ورود به مبحث Unsupervised Learning در صفحه ۳۶ را بررسی کردیم. در این ویدئو با مفهوم یادگیری نظارت‌شده یا Supervised Learning آشنا می‌شویم و یاد می‌گیریم که داده‌های آموزشی چگونه همراه با پاسخ صحیح یا Label در اختیار الگوریتم قرار می‌گیرند. سپس دو مسئله اصلی یادگیری نظارت‌شده، یعنی Classification و Regression، با مثال‌های فیلتر ایمیل‌های اسپم و پیش‌بینی قیمت خودرو توضیح داده می‌شوند. همچنین مفاهیم مهمی مانند Training Set، Instance، Feature، Target، Label، Predictor، Attribute، Logistic Regression، Probability، Generalization و Overfitting را بررسی می‌کنیم و شکل‌های مربوط به طبقه‌بندی ایمیل‌های اسپم و پیش‌بینی مقدار عددی در رگرسیون را به‌صورت دقیق تحلیل می‌کنیم. در پایان نیز تفاوت طبقه‌بندی و رگرسیون، نحوه نمایش داده‌ها با و ، مفهوم ویژگی و مقدار ویژگی، و دلیل استفاده از Logistic Regression در مسائل طبقه‌بندی توضیح داده می‌شود. #یادگیری_ماشین #هوش_مصنوعی #پایتون #MachineLearning #SupervisedLearning #Classification #Regression #LogisticRegression #ScikitLearn #PyTorch #DataScience #آموزش_هوش_مصنوعی #مهندسی_هوش_مصنوعی