این قسمت دوم از آموزشهای ریاضی مربوط به ماشینهای بردار پشتیبان است. اگر قسمتهای قبلی را هنوز مطالعه نکردهاید، میتوانید آموزش را از قسمت اول با مطالعه مقاله: SVM – درک مفاهیم ریاضی مورد نیاز – قسمت اولشروع کنید.
بایگانی برچسب: s
آشنایی با ماشین بردار پشتیبان (SVM) – مرور کلی
امروز قصد دارم قبل از وارد شدن به مباحث ریاضی، به صورت کلی راجع به SVMها صحبت کنم و مروری روی آنها داشته باشم.
SVM دقیقا چه چیزی هست؟
SVM یک مدل یادگیری نظارت شده است.
آشنایی با ماشین بردار پشتیبان (SVM) – مقدمه
اگه علاقمند هستید که راجع به ماشین بردار پشتیبان (SVM) بیشتر یاد بگیرید و جزییات آن را بدانید، آدرس درستی را انتخاب کردهاید. چون در این پست و پستهای بعدی، من(پیمان برجوییان) قصد دارم راجع به SVM بنویسم. در واقع این پست میشه فهرستی برای بقیه مطالب مربوط به SVM و بالتهایی که اینجا میبینید در آینده به لینکهایی تبدیل خواهند شد و شما را به صفحات مربوط به خودشون راهنمایی خواهند کرد. منبع اصلی این مطلبها کتاب آقای Alexandre Kowalczyk هست و از ایشون بابت اینکه اجازه دادن از مطلبهاشون استفاده و اونا رو به فارسی ترجمه و منتشر کنم، تشکر میکنم. ادامهی خواندن
مروری بر الگوریتم K-Means
خوشهبندی دادهها رو بر اساس شباهتی که دارن، به طوری که دادههای هر خوشه دارای بیشترین شباهت به هم و کمترین شباهت به دادههای خوشههای دیگه هستن، در یک خوشه قرار میده. الگوریتم K-Means یکی از الگوریتمهای مورد استفاده در داده کاوی و یادگیری ماشینی هست که برای خوشهبندی(Clustering) یا دستهبندی بدون نظارت از اون استفاده میشه. در ادامه نحوه کار این الگوریتم رو با یک مثال و پیادهسازی اون به کمک زبان جاوا توضیح میدم.
داده کاوی و علم داده، ادامه مسیر من
تا این جای کار آموختههای من توی چهارچوب دانشگاه و استادهام بود و بیشتر روی سیستمهای توزیع شده و به ویژه روی محاسبات ابری مطالعه و تحقیق کردم.
همیشه دوست داشتم درباره داده کاوی هم مطالعه داشته باشم و حتّی یه روزی دانشمند داده بشم و الآن که دوره کارشناسی ارشدم به پایان رسیده، تا شروع دوره سربازی یه فرصت آزادی دارم که قصد دارم توی اون داده کاوی رو یاد بگیرم.
امّا داده کاوی چیه و به چه درد میخوره؟ دانشمند داده کیه و برای دانشمند داده شدن باید چه چیزهایی رو بدونیم؟