حراج!
جلسه۱۵: آموزش کشف داده های پرت (Outlier Detection) در رپیدماینر


در این آموزش یاد میگیرید که:

در این جلسه آموزشی به کشف داده های پرت یا outlier data با استفاده از نرم افزار داده کاوی رپیدماینر پرداخته می شود. داده های پرت آن دسته ار داده هایی هستند که رفتار متفاوت با سایر نمونه ها د ارند . لازم به ذکر است که بدانید که miss Value با داده های پرت متفاوت هستند. Miss Value   به آن دسته از داده هایی گفته می شود که مقادیر خالی و یا تهی و یا مقادیر متفاوت با سایر مقادیر از مجموعه داده ها دارند. اما data  Outlier آن دسته از داده هایی هستند و با قرار گرفتن در یک فضا، رفتاری متفاوت با اکثر نمونه ها د ارند. داده های پرت باعث می شوند که مدل تولید شده در داده کاوی یک مدل پیچیده باشد . مدل پیچیده به مدلی گفته می شود که به برخی از داده ها که ارزش چندانی در دیتاست ندارند اهمیت بیشتری داده می شود این داده ها موجب می شوند که  فضای جست و جوی بیشتری نسبت به خود اختصاص دهد.

اطلاعات این دوره آموزشی
مدت زمان فیلم آموزشی 17 دقیقه
روش دریافت دریافت لینک مستقیم دانلود
حجم آموزشی 105 مگابایت
تعداد خرید 0 بار
تعداد بازدید 20 نفر
کد دوره #10051
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

کشف داده های پرت یا  Outlier detection

در این جلسه آموزشی به کشف داده های پرت یا outlier data با رپیدماینر پرداخته می شود. داده های پرت آن دسته ار داده هایی هستند که رفتار متفاوت با سایر نمونه ها د ارند. miss Value با داده های پرت متفاوت هستند.

Miss Value به آن دسته از داده هایی گفته می شود که مقادیر خالی و یا تهی و یا مقادیر متفاوت با سایر مقادیر از مجموعه داده ها دارند. data  Outlier آن دسته از داده هایی هستند و با قرار گرفتن در یک فضا، رفتاری متفاوت با اکثر نمونه ها د ارند. داده های پرت باعث می شوند که مدل تولید شده در داده کاوی یک مدل پیچیده باشد. مدل پیچیده به مدلی گفته می شود که به برخی از داده ها که ارزش چندانی در دیتاست ندارند اهمیت بیشتری داده می شود. این داده ها موجب می شوند که  فضای جست و جوی بیشتری نسبت به خود اختصاص دهد.

در این جسله آموزشی از دوره آموزشی رپیدماینر، با کمک ابزار  paint، مفهوم نمونه های پرت در یک فضای دو بعدی نشان داده می شود. در این آموزش از دیتاست محبوب iris استفاده شده است. این دیتاست دارای ۱۵۰ نمونه و ۵ ویژگی می باشد. سورس شبیه سازی همراه با جلسه آموزشی تحویل می شود. ۵ ویژگی مربوط به دیتاست iris، اطلاعات مربوط به گلبرگ و گل ها را تشریح می کند.

امکانات جلسه آموزشی ۱۵ پس از خرید:

– امکان دانلود لینک مستقیم جلسه آموزشی

 – دانلود دیتاست iris

– امکان دانلود سورس یا مدل تهیه شده برای کشف داده های پرت با رپیدماینر

این آموزش برای رشته های زیر مفید است:

دوره های آموزشی نرم افزار داده کاوی رپیدماینر(Rapidminer) از جلسات مقدماتی تا سطوح متوسطه و پیشرفته برای رشته هایی ذیل مناسب و مفید می باشد.

– رشته کامپیوتر گرایش های نرم افزار، سخت افزار و معماری

– رشته تجارت الکترونیک

– رشته برنامه نویسی

– رشته فناوری اطلاعات

– و سایر رشته های مرتبط

قسمتی از جلسه آموزش شماره ۱۵ رپیدماینر از طریق پیش نمایش زیر قابل مشاهده است.

اطلاعات بیشتر

مدت زمان فیلم آموزشی

17 دقیقه

روش دریافت

دریافت لینک مستقیم دانلود

حجم آموزشی

105 مگابایت

نقد و بررسی ها

هیچ دیدگاهی برای این محصول نوشته نشده است .

اولین کسی باشید که دیدگاهی می نویسد “جلسه۱۵: آموزش کشف داده های پرت (Outlier Detection) در رپیدماینر”

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