در این مطلب، ویدئو نمونه کد ساده پایتون بیز توسط Big Data Knowledge Hunt Official 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: 00:06:59
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:01,040 –> 00:00:03,360
اوه سلام به همه به دانش کلان داده خوش آمدید
2
00:00:03,360 –> 00:00:03,840
3
00:00:03,840 –> 00:00:05,440
و در ویدیوی امروز ما
4
00:00:05,440 –> 00:00:07,759
نمونه ای از تعصب نیروی دریایی را همانطور
5
00:00:07,759 –> 00:00:09,760
که می توانید در صفحه نمایش من مشاهده کنید مشاهده
6
00:00:09,760 –> 00:00:12,799
7
00:00:12,799 –> 00:00:14,799
8
00:00:14,799 –> 00:00:16,160
خواهیم کرد.
9
00:00:16,160 –> 00:00:18,560
امروز خواهیم دید این
10
00:00:18,560 –> 00:00:20,960
کد پایتون نوشته شده در بایاس دریایی
11
00:00:20,960 –> 00:00:23,039
در ویدیوی قبلی قبلاً
12
00:00:23,039 –> 00:00:26,000
دیدیم که منظور از بایاس دریایی چیست و همچنین
13
00:00:26,000 –> 00:00:28,000
روی کد پایتون دیدیم که برای آن
14
00:00:28,000 –> 00:00:31,519
چه چیزی برای تعصب نیروی دریایی است و همچنین
15
00:00:31,519 –> 00:00:33,360
ما کسی را داریم. لینک عددی به آن
16
00:00:33,360 –> 00:00:35,040
ویدیوها در توضیحات خواهد بود شما
17
00:00:35,040 –> 00:00:36,480
می توانید آن را مرور کنید
18
00:00:36,480 –> 00:00:39,200
اوه همچنین
19
00:00:39,200 –> 00:00:40,960
لیست پخش برای تعصب نیروی دریایی را در قسمت چشم ارائه
20
00:00:40,960 –> 00:00:42,879
می دهم شما می توانید آن را مرور کنید
21
00:00:42,879 –> 00:00:45,120
اکنون بخش امروز ما یک
22
00:00:45,120 –> 00:00:47,600
ناوی ساده کد پایتون را می خرد آن است. یک کد بسیار کوچک
23
00:00:47,600 –> 00:00:50,559
همانطور که می توانید در اینجا مشاهده کنید، بنابراین ما به طور کامل
24
00:00:50,559 –> 00:00:52,079
توضیح خواهیم داد،
25
00:00:52,079 –> 00:00:54,320
بنابراین در ویدیوی قبلی نشان دادیم که
26
00:00:54,320 –> 00:00:56,559
چگونه الگوریتم خرید نیروی دریایی کار می کند،
27
00:00:56,559 –> 00:00:58,559
بنابراین در این ویدیو خواهیم دید که چگونه
28
00:00:58,559 –> 00:01:00,399
کد پایتون نوشته
29
00:01:00,399 –> 00:01:02,719
شده است. س کد پیاده سازی کد پایتون
30
00:01:02,719 –> 00:01:03,920
31
00:01:03,920 –> 00:01:05,840
را یکی یکی می بیند، بنابراین این
32
00:01:05,840 –> 00:01:08,000
فایل های هدر اساسی هستند
33
00:01:08,000 –> 00:01:11,200
که برای اجرای کد بایاس نیروی دریایی مورد نیاز هستند، بنابراین
34
00:01:11,200 –> 00:01:13,280
اساسا این دو فایل هدر
35
00:01:13,280 –> 00:01:15,360
مورد نیاز برای
36
00:01:15,360 –> 00:01:17,920
اجرای قاب داده هستند که به معنای
37
00:01:17,920 –> 00:01:18,560
38
00:01:18,560 –> 00:01:20,720
وارد کردن داده ها است. مجموعه یا برای
39
00:01:20,720 –> 00:01:22,960
اجرای فریم های داده
40
00:01:22,960 –> 00:01:26,080
بعدی این است که می توانید
41
00:01:26,080 –> 00:01:28,400
بدانید زیرا همه می دانند که
42
00:01:28,400 –> 00:01:30,320
برای تقسیم مجموعه داده ها
43
00:01:30,320 –> 00:01:32,799
این مورد نیاز
44
00:01:32,799 –> 00:01:35,520
45
00:01:35,520 –> 00:01:36,079
46
00:01:36,079 –> 00:01:39,200
است. قضیه سوگیری نیروی دریایی
47
00:01:39,200 –> 00:01:41,439
که استفاده میشود یا این بستهای
48
00:01:41,439 –> 00:01:42,320
است که
49
00:01:42,320 –> 00:01:46,000
برای اجرای کد پایتون استفاده میشود،
50
00:01:46,000 –> 00:01:47,920
برای امتیاز دقت برای به دست آوردن
51
00:01:47,920 –> 00:01:50,000
امتیاز دقت الگوریتم سوگیری نیروی دریایی
52
00:01:50,000 –> 00:01:51,119
استفاده میشود
53
00:01:51,119 –> 00:01:53,840
و اگر
54
00:01:53,840 –> 00:01:55,840
بخواهیم چیزی را رسم کنیم اینها کتابخانههای ترسیم هستند. میخواهیم
55
00:01:55,840 –> 00:01:56,960
یک نمودار رسم کنیم،
56
00:01:56,960 –> 00:01:58,719
پس اینها فایلهای هدر اصلی
57
00:01:58,719 –> 00:02:00,880
هستند که برای اجرای
58
00:02:00,880 –> 00:02:03,119
کد پایتون الگوریتم بایاس نیروی دریایی نیاز داریم، بسیار
59
00:02:03,119 –> 00:02:04,240
خوب،
60
00:02:04,240 –> 00:02:06,479
اکنون اولین چیزی است که باید
61
00:02:06,479 –> 00:02:07,520
مجموعه
62
00:02:07,520 –> 00:02:10,479
داده را وارد کنیم تا t را وارد کنیم. او مجموعه داده اوم این
63
00:02:10,479 –> 00:02:11,280
مجموعه داده است،
64
00:02:11,280 –> 00:02:13,280
بنابراین من مجموعه داده را از
65
00:02:13,280 –> 00:02:15,599
کتابخانه وارد کرده ام و مجموعه داده های من قبلاً
66
00:02:15,599 –> 00:02:17,440
در اینجا وجود دارد، همانطور که می بینید این
67
00:02:17,440 –> 00:02:18,400
مجموعه داده های من است،
68
00:02:18,400 –> 00:02:20,239
بنابراین مجموعه داده از سه
69
00:02:20,239 –> 00:02:22,480
ستون تشکیل شده است که فشار خون گلوکز
70
00:02:22,480 –> 00:02:23,440
و دیابت،
71
00:02:23,440 –> 00:02:25,840
بنابراین ما امتیاز دیابت را
72
00:02:25,840 –> 00:02:27,840
بر اساس گلوکز روی
73
00:02:27,840 –> 00:02:32,400
bp یک بیمار پیشبینی میکنیم، بنابراین دیابت
74
00:02:32,400 –> 00:02:36,239
ستون پیشبینی ما است uh و اینها uh ما هستند
75
00:02:36,239 –> 00:02:39,360
ما میتوانیم x و y را ببینیم و این ستون uh پیشبینیشده ما است،
76
00:02:39,360 –> 00:02:40,400
77
00:02:40,400 –> 00:02:44,239
بنابراین اکنون ده را چاپ کردم.
78
00:02:44,239 –> 00:02:46,959
سطرهای ستون با استفاده از
79
00:02:46,959 –> 00:02:48,000
نقطه df،
80
00:02:48,000 –> 00:02:50,879
بنابراین از سر نقطه df برای چاپ ستون استفاده می شود،
81
00:02:50,879 –> 00:02:53,120
بنابراین من اجرا را نیز یکی یکی به شما نشان می دهم
82
00:02:53,120 –> 00:02:54,160
83
00:02:54,160 –> 00:02:56,720
پس از وارد کردن فایل های هدر، من
84
00:02:56,720 –> 00:02:58,959
10 ستون اول مجموعه داده
85
00:02:58,959 –> 00:03:00,560
را چاپ کرده ام تا بتوانید. اینجا را ببینید 10
86
00:03:00,560 –> 00:03:01,760
ستون چاپ شده است،
87
00:03:01,760 –> 00:03:05,200
بنابراین دیابت برچسب پیش بینی اپرا ما است،
88
00:03:05,200 –> 00:03:09,519
اکنون اینجا x ویژگی ما است و y
89
00:03:09,519 –> 00:03:11,680
برچسب ما است، بنابراین ما می خواهیم
90
00:03:11,680 –> 00:03:12,000
y را
91
00:03:12,000 –> 00:03:14,560
بر اساس x خود پیش بینی کنیم، بنابراین x به عنوان
92
00:03:14,560 –> 00:03:15,920
برچسب مستقل عمل می کند،
93
00:03:15,920 –> 00:03:18,560
بنابراین ما روی آن تمرکز می کنیم. چرا این
94
00:03:18,560 –> 00:03:20,959
دیابت ماست ستون cs بنابراین ما
95
00:03:20,959 –> 00:03:22,879
روی ستون دیابتی ها تمرکز می کنیم که
96
00:03:22,879 –> 00:03:24,080
این است
97
00:03:24,080 –> 00:03:26,640
که آن را به صورت y ارائه می کنیم، بنابراین ما
98
00:03:26,640 –> 00:03:27,440
با uh
99
00:03:27,440 –> 00:03:30,879
در پایگاه داده ارائه می کنیم و