شما به این ویدیو دسترسی ندارید



0

intro

14:50

رایگان

1

datasets

15:44

رایگان

2

regression

17:10

3

linear model

30:0

4

classification

17:26

5

logistic regression

13:17

6

preprocessing

14:0

7

standard scaler

13:59

8

pipeline

7:48

9

polynomial regression

13:52

11

overfitting

5:42

12

gini impurity

24:59

13

decision tree

25:17

14

ensemble

16:34

15

voting classifier

10:52

16

random forest

8:11

17

adaboost

8:7

18

one hot encoding

13:32

19

generalization

18:1

20

regularization

15:39

21

ridge

17:34

22

svm

21:2

23

grid search

18:46

24

dimensionality reduction

23:26

25

pca

21:34

26

knn

12:35

27

clustering

14:30

28

kmeans

19:37

29

wcss

18:19

30

hierarchical cluster

19:45

31

linkage

20:19

32

dbscan

15:51

33

make blobs

10:53

34

isolation forest

21:1

35

recommender system

17:20

36

done

4:37

دوره های پیشنهادی

دوره آموزش داکر docker
دوره آموزش داکر docker
تکمیل ضبط
امیرحسین بیگدلو
4:21:32 189 هزارتومان
دوره آموزش مونگو دی بی (mongodb)
دوره آموزش مونگو دی بی (mongodb)
تکمیل ضبط
امیرحسین بیگدلو
3:28:32 149 هزارتومان
دوره آموزش یادگیری عمیق با Tensorflow پایتون
دوره آموزش یادگیری عمیق با Tensorflow پایتون
تکمیل ضبط
امیرحسین بیگدلو
7:01:41 389 هزارتومان



ارسال نظر


محمدِ تقی

5 ماه قبل پاسخ به نظر

سلام
با توجه به اینکه پلی نومیال فیچرز قبل از تقسیم داده ها به تست و ترین ه
میشه داخل پایپ لاین آوردش؟

ارسال نظر



امیرحسین بیگدلو

5 ماه قبل

سلام
بله، میتونید داخل pipeline استفادش بکنید. فکر کنم توی وبسایت scikit learn براش مثال هم داره

مونگارد