
در این مقاله از سایوتک، 9 مورد از محبوب ترین الگوریتم های رایج یادگیری ماشین را بررسی می کنیم
– بر اساس قضیه بیز، این طبقه بندی کننده یک کلاس/رده را به طور مستقل برای هر مقدار پیش بینی می کند. با وجود سادگی، اغلب از روش های طبقه بندی پیچیده تر بهتر عمل می کند.
– این الگوریتم برای دسته بندی داده های بدون برچسب استفاده می شود، این الگوریتم گروه ها را به صورت تکراری بر اساس ویژگی های ارائه شده پیدا می کند.
– این الگوریتم ها داده ها را برای طبقه بندی و رگرسیون تجزیه و تحلیل می کنند. آنها داده ها را بر اساس مجموعه ای از مثال های آموزشی به دسته ها فیلتر می کنند و مدلی می سازند که مقادیر جدیدی را به دسته ها اختصاص می دهد.
– ابتدایی ترین نوع رگرسیون، کمک به درک روابط بین دو متغیر پیوسته.
– بر تخمین احتمال یک رویداد بر اساس داده های قبلی، مناسب برای نتایج باینری (۰ و ۱) تمرکز می کند.
– متشکل از واحدهای به هم پیوسته، با الهام از سیستم های بیولوژیکی، به طور هماهنگ برای حل مسائل خاص کار می کنند. آنها با مثال و تجربه یاد می گیرند که برای مدل سازی روابط غیر خطی در داده های با ابعاد بالا یا پیچیده مفید است.
– ساختار درخت مانند که هر نتیجه ممکن از یک تصمیم را نشان می دهد. هر گره نشان دهنده یک آزمایش روی یک متغیر خاص است و هر شاخه نتیجه آن آزمایش است.
– یک روش یادگیری گروهی که چندین الگوریتم را برای ایجاد نتایج بهتر ترکیب می کند. اگرچه هر طبقهبندیکننده فردی ضعیف است، اما این ترکیب نتایج عالی ایجاد میکند.
– الگوریتم K-Nearest-Neighbour با بررسی نقاط داده نزدیک، احتمال یک نقطه داده متعلق به یک گروه خاص را تخمین می زند.
در نتیجه، انتخاب الگوریتم های یادگیری ماشین مناسب برای تجزیه و تحلیل کسب و کار شما مستلزم در نظر گرفتن عوامل مختلفی است. برای استفاده از این مدل ها نیازی نیست که یک دانشمند داده یا آماردان متخصص باشید. در SAS، محصولات و راهحلهای ما مجموعهای جامع از الگوریتمهای یادگیری ماشینی را ارائه میکنند که به شما کمک میکند بهطور مداوم از دادههایتان ارزش استخراج کنید.