یادگیری ماشین در متلب – فاصله ها و رگرسیون غیرپارامتریک – قسمت ۲۲
با سلام
قسمت بیست و دوم از سری فیلم های آموزشی یادگیری ماشین در سایت متلب یار منتشر گردید.
در این قسمت انواع معیارهای شباهت، یعنی فاصله، را با ذکر مثال بیان می نماییم.
سپس انواع روش های جستجو که شامل جستجو جامع (Exhaustive search) و درخت k بعدی (K-d-tree) می باشد را با ذکر مثال معرفی و آموزش می دهیم.
همچنین، مفهوم رگرسیون غیر پارامتریک Non parametric یا مدل های هموارساز Smoothing models را با زبانی ساده بیان می نماییم.در پایان انواع روش های رگرسیون غیرپارامتریک را با ذکر مثال آموزش می دهیم.
۱- فاصله اقلیدوسی Euclidean
۲- فاصله ماهالانوبیس Mahalanobis
۳- فاصله منهتن Manhatan یا City block
۴- فاصله کیوبیک Cubic
۵- فاصله چبیچب Chebychev
۶- فاصله مینکوسکی Minkowski
۷- فاصله کوساین Cosine
۸- فاصله کورلیشن Correlation
تذکر:
قسمت های قبلی این مجموعه آموزشی را می توانید از اینجا مشاهده نمایید.
نوشته یادگیری ماشین در متلب – فاصله ها و رگرسیون غیرپارامتریک – قسمت ۲۲ اولین بار در دانشجویار پدیدار شد.
مبنع این خبر (برای مشاهده متن کامل خبر لینک زیر را بزنید):
دانشجویار