شروع کار با یادگیری ماشین (Machine Learning) در پایتون (Python)

شروع کار با یادگیری ماشین (Machine Learning) در پایتون (Python)

زمان مطالعه

5 دقیقه

تعداد بازدید

233

تعداد پرسش ها

0

افزودن به لیست علاقه مندی ها


برچسب ها :


اشتراک گذاری این مطلب
سامان محمدپور
در مورد نویسنده : موفقیت بستگی به تلاش هر شخص داره، هممون ب همون اندازه که تلاش کردیم موفق شدیم.

شروع کار با یادگیری ماشین (Machine Learning) در پایتون (Python)

شروع کار با یادگیری ماشین (Machine Learning) در پایتون (Python)

زمان مطالعه

5 دقیقه

تعداد بازدید

233

تعداد پرسش ها

0

افزودن به لیست علاقه مندی ها


برچسب ها :


اشتراک گذاری این مطلب

سلامی دوباره خدمت همه شما دوستان و همراهان همیشگی جاب تیم. بنده به دلیل مشکلاتی که داشتم مدتی نبودم ولی شکر خدا مشکلات حل شدند و من دوباره اینجا هستم تا با شما صحبت کنم و با هم مطالب جدیدتری رو یاد بگیریم.

در مقالات قبل در مورد مفاهیم ابتدایی پایتون با شما صحبت کردیم و سینتکس، قوائد آن و مدیریت فایل ها در پایتون را یاد گرفتیم، حال در ادامه می خواهیم به بحث بسیار جذاب و محبوب در پایتون یعنی یادگیری ماشین (Machine Learning) بپردازیم.

در دنیای امروزه ماشین ها و کامپیوترها نقش اساسی در زندگی همه ما ایفا می کنند و بسیاری از کارها بدون ماشین ها بسیار سخت و انجام نشدنی است.

مفهوم یادگیری ماشین (Machine Learning)

یادگیری ماشین باعث می شود که کامپیوتر از مطالعه داده ها و آمار یاد بگیرد.

یادگیری ماشین گامی مهم در جهت هوش مصنوعی (AI) است.

یادگیری ماشین برنامه ای است که داده ها را تجزیه و تحلیل می کند و یاد می گیرد که نتیجه رو پیش بینی کند.

از کجا شروع کنیم؟

در این مقاله ما به مبحث ریاضیات و مطالعه آماری رجوع می کنیم و نحوه محاسبه اعداد مهم بر اساس مجموعه داده ها را بررسی می کنیم.

ما همچنین نحوه استفاده از ماژول های مختلف برای دریافت پاسخ های مورد نیاز را یاد می گیریم.

و ما همچنین خواهیم آموخت که چگونه می توانیم توابع را ایجاد کنیم که قادر باشند بر اساس آنچه آموخته اند نتیجه را پیش بینی کنند.

مجموعه داده

در ذهن کامپیوتر، یک مجموعه داده می تواند هر مجموعه داده ای باشد، که می تواند یک آرایه یا یک پایگاه داده کامل باشد.

مثال: در زیر یک آرایه وجود دارد که کامپیوتر آن را مجموعه داده ذر نظر می گیرد.

 

[99,86,87,88,111,86,103,87,94,78,77,85,86]

 

مثال: در زیر یک پایگاه داده کامل وجود دارد که کامپیوتر آن را مجموعه داده ذر نظر می گیرد.

 

یک پایگاه داده
AutoPass Speed Age Color Carname
Y 99 5 red BMW
Y 86 7 Black Volvo
N 87 8 Gray VW
Y 88 7 White VW
Y 111 2 White Ford
Y 86 17 White VW
Y 103 2 Red Tesla
Y 87 9 Black BMW
N 94 4 Gray Volvo
N 78 11 White Ford
N 77 12 Gray Toyota
N 85 9 White VW
Y 85 6 Blue Toyota

 

با یک نگاه به آرایه می توان حدس زد که مقدار متوسط احتمالا بین مقادیر 80 الی 90 است و همچنین می توانیم کم ترین مقدار و بیش ترین مقدار را به دست آوریم، اما آیا کار دیگری می توان بر روی آن انجام داد؟

و یا با نگاه کردن به پایگاه داده می توان فهمید که محبوب ترین رنگ سفید است و قدیمی ترین خودرو 17 ساله است، اما آیا می توانیم با نگاه کردن به مقادیر پیش بینی کنیم که یک خوردو قابلیت AutoPass (اتوماتیک) را دارد؟

در جواب سوالات بالا باید گفت بله یادگیری ماشین برای پیش بینی نتیجه با تجزیه و تحلیل داده ها است.

نکته: در یادگیری ماشین کار با مجموعه داده های بسیار بزرگ معمول است. در مقالاتی که در آینده در مورد یادگیری ماشین برای شما ارائه خواهیم داد سعی می کنیم که تا حد امکان درک مفاهیم یادگیری ماشین را با کار با مجموعه داده های کوچک آسان کنیم.

انواع داده ها

برای تجزیه و تحلیل داده ها مهم است که بدانیم با چه نوع داده هایی سر و کار داریم.

می توان انواع داده ها را به سه قسمت اصلی تقسیم کرد:

  • عددی
  • طبقه بندی شده
  • معمولی

داده های عددی

اعداد هستند و می توان آن ها را به دو دسته کلی تقسیم کرد:

  • داده های گسسته
  • داده های پیوسته

داده های گسسته

اعدادی هستند که محدود به اعداد صحیح هستند، مانند: تعداد خودروهای عبوری

داده های پیوسته

اعدادی که می توانند تا بی نهایت ادامه پیدا کنند، مانند: قیمت یک کالا یا اندازه آن

داده های طبقه بندی شده

داده هایی هستند که نمی توانیم آن ها را با یکدیگر مقایسه کنیم، مانند: رنگ

داده های معمولی

داده هایی شبیه به داده های طبقه بندی شده هستند اما می توانند با یک دیگر مقایسه شوند، مانند: نمرات مدرسه که در آن A بهتر از B است و غیره.

با دانستن نوع داده منبع داده خود، شما قادر خواهید بود که بدانید هنگام تجزیه و تحلیل آن ها از چه تکنیکی استفاده کنید.

در فصل پایگاه داده بیشتر با تجزیه و تحلیل داده ها آشنا خواهید شد.

حال که با مفاهیم ابتدایی یادگیری ماشین آشنا شدید بهتر است که خود را برای قسمت بعدی که در مورد مفاهیم میانگین، متوسط و حالت است آماده کنید.

سامان محمدپور
در مورد نویسنده : موفقیت بستگی به تلاش هر شخص داره، هممون ب همون اندازه که تلاش کردیم موفق شدیم.


پرسش و پاسخ
0
دوره پیشنهادی
دوره پیشنهادی