(۱۸۶ امتیاز از ۳۸ رای)
Loading...
جعبه ابزار آمار و یادگیری ماشین
در این مقاله جعبه ابزار آمار و یادگیری ماشین (Statistics and Machine Learning Toolbox) در نرم افزار MATLAB را بررسی و ویژگی ها و کاربرد های این جعبه ابزار را به همراه داکیومنت انگلیسی آن در ادامه آورده ایم.
معرفی جعبه ابزار آمار و یادگیری ماشین
تولباکس Statistics and Machine Learning توابع و برنامه های (APP) را برای توصیف، تجزیه و تحلیل و نیز مدل سازی داده ها با استفاده از آمار و یادگیری ماشین، فراهم می آورد که البته در نسخه های پیشین، این جعبه ابزار Statistics نام داشت، با استفاده از این ابزار، می توانید از امار توصیفی و نمودارها برای تجریه تحلیل و اکتشاف داده ها، تطابق دادن توزیع های احتمال با داده ها، تولید اعداد تصادفی برای شبیه سازی مونت کارلو و انجام آزمون های فرضیه استفاده کنید. همچنین الگوریتم های رگرسیون و طبقه بندی به شما این امکان را می دهند تا از داده های خود استنتاج کنید و مدل های پیش گو بسازید.
همچنین با استفاده از این جعبه ابزار می توانید در تجزیه و تحلیل داده های چند بعدی، متغییر ها یا ویژگی های کلیدی را شناسایی کنید که این متغییرها یا ویژگی ها، از طریق انتخاب های متوالی ویژگی، رگرسیون گام به گام، تجزیه و تحلیل مولفه های اصلی، تنظیم و دیگر روش های کاهش ابعاد، بر روی مدل شما تاثیر می گذارند. علاوه بر آن این جعبه ابزار، الگوریتم های یادگیری ماشین های نظارت شده و غیر نظارت شده، از جمله ماشین های برداری پشتیبان (SVM)، درخت های تصمیم گیری تقویت شده و توسعه یافته، K- نزدیک ترین همسایه، K – متوسط K- medoids، خوشه بندی سلسله مراتبی، مدل های مخلوط گوسی و مدل مخفی مارکوف را ارائه می دهد.
ویژگی های اصلی جعبه ابزار آمار و یادگیری ماشین
- استفاده از آمار توصیفی و مصور سازی داده ها
- توزیع احتمال شامل مدل های فراوانی داده ها، تولید نمونه تصادفی و تخمین پارامتر
- افزایش سرعت محاسبات آماری با محاسبات موازی یا توزیع شده توابع آماری
- تحلیل واریانس، کواریانس وچند متغییره آنوا (ANOVA)
- روش های رکرسیون خطی، غیر خطی و غیر پارامتری برای یادگیری نظارت شده
- الگوریتم های یادگیری نظارت شده برای مسائل باینری و چند کلاسه
- طراحی آزمایش ( DOE)
- آزمون های فرضیه شامل آزمون t، F…
- تحلیل خوشه ای، شامل روش های یادگیری غیر نظارت شده برای یافتن دسته بندی ها و الگوهای طبیعی در داده
تصاویری از کاربرد جعبه ابزار آمار و یادگیری ماشین
شکل ۱: دسته بندی براساس یک درخت تصمیم
شکل ۲: آزمون فرضیه، برنامه انتخاب اندازه نمونه
شکل ۳: تجزیه و تحلیل خوشه ای
شکل ۴: توابع توزیع با استفاده از APP
سفارش پروژه با R و R Studio
پروژه های داده کاوی (Data Mining) ، متن کاوی (Text Mining) ، محاسبات آماری ، حسابداری ، آمار و احتمالات کاربردی ، آمار و مدل سازی ، آمار و احتمالات مهندسی ، اقتصاد سنجی و تحلیل آماری ، مهندسی پزشکی ، علوم پایه ، رشته های فنی ، بیوفیزیک (زیست فیزیک) ، بیوانفورماتیک یا زیست شناسی (بیولوژی) با نرم افزار R و R Studio پذیرفته می شود – جهت سفارش پروژه R با ایمیل و شماره تماس های اعلام شده در سایت با ما در ارتباط باشید.
هیچ نظری ثبت نشده است