در این مطلب، ویدئو طبقه بندی k-NN در Matlab 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: 00:07:18
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00 =>03
آموزش امروز ما به
2
03 =>06
الگوریتم طبقه بندی نظارت شده knn در
3
06 =>07
متلب نگاه می کنیم،
4
07 =>09
بنابراین قبل از انجام هر کار دیگری فقط
5
09 =>12
بگوییم الهام برای این کار
6
12 =>15
از اینجا آمده است، من از همه
7
15 =>16
این
8
16 =>18
مطالب استفاده نکردم بلکه فقط از الهام گرفته شده
9
18 =>20
و فقط به آن نگاه کردم. در آنجا
10
20 =>23
11
23 =>27
یک آزمایشگاه وجود دارد که این andrea راه اندازی کرده است
12
27 =>31
و فایل متنی موجود است اکنون فایل mnx من
13
31 =>31
14
31 =>34
در دسترس خواهد بود اما نسخه html
15
34 =>36
در توضیحات
16
36 =>38
مانند فایل متنی موجود خواهد بود اگر می خواهید
17
38 =>41
خودتان این کار را انجام دهید
18
41 =>45
بنابراین من فرض می کنم شما می دانید k
19
45 =>48
به چه معناست و k و n چیست، می دانید که
20
48 =>51
من نمی توانم آن را خط به خط مرور کنم، بنابراین من
21
51 =>52
فقط
22
52 =>56
k n را دادم نسبتاً ساده است
23
56 =>58
، نیازی به ساخت یک مدل تنظیم
24
58 =>01:01
پارامترها و غیره و غیره نیست
25
01:01 =>01:04
و عیب آن این است
26
01:04 =>01:08
که می دانید همانطور که n افزایش می یابد
27
01:08 =>01:11
um چیزها با
28
01:11 =>01:16
سرعت شروع به کاهش می کنند شروع به افزایش زیادی می کنند
29
01:16 =>01:20
بنابراین ما این را اینجا داریم و اگر می توانید
30
01:20 =>01:22
اینجا را ببینید بنابراین
31
01:22 =>01:24
لیمو و پرتقال با هم مخلوط شده اند
32
01:24 =>01:26
و عرض و
33
01:26 =>01:28
ارتفاع لیموها را اندازه گرفته ایم و اورنگ
34
01:28 =>01:30
در حال حاضر ما
35
01:30 =>01:32
بین لیمو و پرتقال تفاوتی قائل نیستیم، فقط
36
01:32 =>01:36
آنها را به پنج گروه طبقه بندی
37
01:36 =>01:38
می کنیم، بنابراین تفاوت
38
01:38 =>01:40
بین لیموها و پرتقال ها نیست زیرا
39
01:40 =>01:42
احتمالاً شما این کار را بر اساس رنگ انجام می دهید اما
40
01:42 =>01:44
این کار فقط برای گروه بندی آنها نیست. پنج
41
01:44 =>01:46
گروه
42
01:47 =>01:51
بنابراین دو راه برای خواندن آنها
43
01:51 =>01:55
در دادهها در i وجود دارد که روش a است
44
01:56 =>02:00
و روش b اینجاست،
45
02:02 =>02:05
بنابراین من با روش b میروم این فقط است،
46
02:05 =>02:09
اما این یک چیز است،
47
02:09 =>02:13
بنابراین دادههای آموزشی کل چیز است، بنابراین
48
02:13 =>02:15
این چیز مهم است. بنابراین
49
02:15 =>02:18
دادههای آموزشی
50
02:19 =>02:22
59 ورودی
51
02:22 =>02:25
بدون قد ما بدون
52
02:25 =>02:26
سرصفحه هستند،
53
02:26 =>02:30
بنابراین آن ردیف وجود ندارد،
54
02:31 =>02:33
بنابراین میبینید که ما گفتیم خطوط سرصفحه
55
02:33 =>02:34
در
56
02:34 =>02:37
یکی بود، بنابراین آن را از دادهها حذف کردیم،
57
02:37 =>02:40
58
02:40 =>02:44
بنابراین دادههای
59
02:44 =>02:50
آموزشی وجود دارد و 59 ورودی
60
02:50 =>02:53
که تحت نظ