جلسه ۷: آموزش انتخاب ویژگی(Feature Selection) در نرم افزار وکا(Weka)


در این آموزش یاد میگیرید که:

انتخاب ویژگی(Attribute Selection) به معنای انتخاب ویژگی های برجسته و بهینه از یک مجموعه داده است. انتخاب ویژگی یکی از مهمترین مباحث پرکاربرد در داده کاوی است. فرآیند انتخاب ویژگی همانند طبقه بندی بر روی داده های با نظارت یا Supervise اجرا می شود. در این جلسه ـموزشی نحوه انتخاب ویژگی با استفاده از وکا آموزش داده می شود. در آموزش مورد نظر، چندین مثال عملی همراه با یک دیتاست کاربردی تدریس شده است.

اطلاعات این دوره آموزشی
قیمت 21.500
مدت زمان آموزش 16 دقیقه و 40 ثانیه
حجم آموزش 42.5
روش دریافت دانلود لینک مستقیم
کد دوره 25617
تعداد خرید 0 بار
تعداد بازدید 3 نفر
کد دوره #
تضمین کیفیت و گارانتی:
این آموزش تحت نظارت موسسه رایان پژوهان پارسه تهیه شده است و کیفیت تصویر , صدا و سطح آموزشی کاملا تضمین میگردد
ناشر:
موسسه رایان پژوهان پارسه , پیشگام در زمینه آموزش های مجازی , پشتیبان دانشجویان و ارائه دهنده خدمات دانشجویی است
اقلام همراه فایل آموزشی:
این آموزش شامل فایل ویدیوئی با کیفیت بالا , یادداشت های مفید مدرس و فایل های پروژه تدریس داده شده بصورت کامل میباشد

توضیحات

جلسه ۷: آموزش انتخاب ویژگی(Feature Selection) در نرم افزار وکا(Weka)

آموزش انتخاب ویژگی در وکا: انتخاب ویژگی(Attribute Selection) به معنای انتخاب ویژگی های برجسته و بهینه از یک مجموعه داده است. انتخاب ویژگی یکی از مهمترین مباحث پرکاربرد در داده کاوی است. فرآیند انتخاب ویژگی همانند طبقه بندی بر روی داده های با نظارت یا Supervise اجرا می شود. در این جلسه ـموزشی نحوه انتخاب ویژگی با استفاده از وکا آموزش داده می شود. در آموزش مورد نظر، چندین مثال عملی همراه با یک دیتاست کاربردی تدریس شده است.

برخی از مهمترین الگوریتم های انتخاب ویژگی در نرم افزار وکا عبارتند از:

مهمترین الگوریتم های انتخاب ویژگی تشریح شده در این جلسه آموزشی به شرح ذیل می باشد:

– الگوریتم انتخاب ویژگی ژنتیک

– الگوریتم انتخاب ویژگی First Best

– و سایر الگوریتم های دیگر

هر کدام از این الگوریتم ها دارای روش هایی برای انتخاب ویژگی هستند. این روش ها هر کدام استراتژی هایی برای انتخاب ویژگی دارند. به عبارت دیگر روش ها و هسته های هر الگوریتم به عنوان تابع برازش استفاده می شوند.

برخی از مهمترین استراتژی های الگوریتم انتخاب ویژگی عبارتند از:

– جستجو مبتنی بر اولین بهترین

– جستجوی حریصانه

– جستجوی مبتنی بر چگالی

– و سایر استراتژی های دیگر

در نرم افزار وکا ابتدا می بایست الگوریتم انتخاب ویژگی های مورد نظر و سپس هسته الگوریتم انتخاب ویژگی برگزیده شود. دیتاست استفاده شده در این جلسه آموزشی دیتاست دیابت می باشد. نرم افزار داده کاوی وکا قابلیتی ساده و بسیار پرکاربرد را برای پژوهشگران فراهم می سازد. با امکانات انتخاب ویژگی موجود در weka، می توان به راحتی اقدام به انتخاب ویژگی های بهینه نمود و در مقاله یا رساله مورد استفاده قرار داد.

سرفصل رئوس مطالب ارائه شده در این جلسه آموزشی:

سرفصل رئوس مطالب ارائه شده در این جلسه آموزشی عبارتند از:

– تشریح کامل تب Feature Selection در وکا

– آموزش نحوه ایمپورت دیتاست دیابت به وکا

– آموزش بخش های تب Feature Selection

– آموزش و تشریح کلیه الگوریتم های انتخاب ویژگی

– آموزش عملی اعمال تنظیمات بر روی انواع الگوریتم های انتخاب ویژگی

– آموزش و تشریح کلیه استراتژی و هسته الگوریتم های انتخاب ویژگی

– آموزش نحوه اعمال تنظیمات بر روی هسته های الگوریتم های انتخاب ویژگی

– آموزش خروجی ها و مدل های تولید شده الگوریتم های انتخاب ویژگی

بنابراین، در جلسه هفتم از دوره آموزشی وکا به مدت ۱۶ دقیقه و ۴۰ ثانیه، به آموزش کامل انتخاب ویژگی بصورت عملی و همراه با مثال پرداخته شده است. دیتاست مورد استفاده در این جلسه آموزشی، دیتاست دیابت می باشد.

با خرید این جلسه آموزشی می توان به ارائه ایده هایی برای نگارش مقاله و پایان نامه و ارتقاء درجه علمی پرداخت.

به منظور خرید تکی از پروژه می بایست مبلغ ۲۱٫۵۰۰ تومان پرداخت نمایید. با خرید کامل دوره از طریق این لینک تنها با ۹۹٫۰۰۰ تومان ۷ جلسه را باهم خریداری نمایید.

فایل دمو این جلسه آموزشی به مدت ۱۶:۴۰ را می توانید از بخش ذیل مشاهده نمایید:

 

  پیش نمایش آموزش انتخاب ویژگی

 

دانلود مستقیم پیش نمایش – حجم دانلود ۱۷ مگابایت (کلیک کنید +)

اطلاعات بیشتر

قیمت

21.500

مدت زمان آموزش

16 دقیقه و 40 ثانیه

حجم آموزش

42.5

روش دریافت

دانلود لینک مستقیم

کد دوره

25617

نقد و بررسی ها

هیچ دیدگاهی برای این محصول نوشته نشده است .

اولین کسی باشید که دیدگاهی می نویسد “جلسه ۷: آموزش انتخاب ویژگی(Feature Selection) در نرم افزار وکا(Weka)”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *