در این مطلب، ویدئو طبقه بندی تصادفی جنگل – متلب (با کد و داده کامل) با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید. اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:11:41
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00 =>02
سلام دوستان به تقویت کننده دانش کانال ما خوش آمدید،
2
02 =>03
3
03 =>05
بنابراین در این ویدیوی خاص من می
4
05 =>06
خواهم در
5
06 =>10
مورد نحوه پیاده سازی
6
10 =>12
طبقه بندی کننده جنگل تصادفی در متلب بحث کنم، در
7
12 =>14
ویدیوهای آینده من در مورد اولین تحقیق تصادفی نیز بحث خواهم کرد،
8
14 =>17
بنابراین در اینجا
9
17 =>17
10
17 =>20
یک مجموعه داده جالب را انتخاب کرده ام. که
11
20 =>21
اطلاعاتی
12
21 =>24
در مورد زمان مطالعه دانش آموزان و
13
24 =>27
زمان تکرار برای یک موضوع دارد و بر اساس
14
27 =>28
15
28 =>29
آن سطح دانش دانش آموز چقدر است
16
29 =>32
ما باید خوب یا زیاد را پیش بینی کنیم،
17
32 =>34
بنابراین بدیهی است که این یک
18
34 =>35
19
35 =>38
مشکل طبقه بندی صحیح خواهد بود و شما می توانید
20
38 =>40
درک کنید که این یک داده طبقه بندی است،
21
40 =>41
بنابراین ما باید آن را
22
41 =>44
رمزگذاری کنیم زیرا ماشین نمی تواند
23
44 =>46
این مقادیر را به درستی درک کند،
24
46 =>49
بنابراین ما می توانیم هر چیزی را که می خواهید از بالا به یک کم به
25
49 =>49
صفر
26
49 =>52
یا معکوس نگاشت کنیم
27
52 =>55
و نقطه ای که باید به عنوان جنگل تصادفی توجه شود،
28
55 =>57
تصمیمات زیادی را در داخل اجرا می کند. درخت
29
57 =>59
و
30
59 =>01:02
مدل درخت تصمیم یک الگوریتم مبتنی بر فاصله
31
01:02 =>01:06
نیست، به همین دلیل است که ما نیازی به اعمال
32
01:06 =>01:09
مقیاس بندی ویژگی نداریم، زیرا شاهکار
33
01:09 =>01:10
مقیاس ure فقط برای فاصله تا
34
01:10 =>01:13
بهترین الگوریتم مورد نیاز است، این نقطه شماره یک است،
35
01:13 =>01:16
سپس مدیریت ارزش تهی نیز
36
01:16 =>01:18
درخت تصمیم می تواند به تنهایی انجام
37
01:18 =>01:21
دهد، امیدوارم که این
38
01:21 =>01:23
مزایای مهم درخت تصمیم را
39
01:23 =>01:25
که قبلاً در مورد آنها صحبت کردم،
40
01:25 =>01:28
بدانید، بنابراین اجازه دهید مستقیماً به کد بروید. بنابراین clc
41
01:28 =>01:29
اخطار واضح و نزدیکتر به طور کلی دارای یک
42
01:29 =>01:30
43
01:30 =>01:32
داده است که برابر با خواندن جدول
44
01:32 =>01:33
45
01:33 =>01:36
studydata.csv داده هایی است که من در فهرست راهنمای فعلی خود گرفته ام
46
01:36 =>01:37
47
01:37 =>01:39
که در اینجا موجود است، به همین دلیل است که
48
01:39 =>01:41
نیازی به نوشتن کل مسیر
49
01:41 =>01:42
نیست، اما اگر از برخی موارد استفاده می کنید.
50
01:42 =>01:44
دایرکتوری دیگری که باید کل
51
01:44 =>01:45
مسیر را در اینجا مشخص کنید،
52
01:45 =>01:47
خوب است که نام مسیر و همچنین
53
01:47 =>01:48
نام فایل است،
54
01:48 =>01:51
بنابراین اکنون اجازه دهید داده های خود را بررسی کنیم اگر داده ها را بنویسیم،
55
01:51 =>01:51
داده های خود
56
01:51 =>01:54
را دریافت خواهیم کرد،
57
01:54 =>01:56
نام ستون ها به این
58
01:56 =>01:59
صورت است.