بررسی تفاوت های خوشه بندی ، دسته بندی و رگرسیون

///بررسی تفاوت های خوشه بندی ، دسته بندی و رگرسیون

بررسی تفاوت های خوشه بندی ، دسته بندی و رگرسیون

خوشه بندی

خوشه بندی دیتا تکنیک اصلی در روش یادگیری بدون ناظر می باشد، در این روش ما به دنبال یادگیری الگو ها می باشیم

  • مجموعه آموزشی یا تست نداریم

  • از طریق ویژگی های مجموعه داده ها به دنبال الگوهای پنهان در دیتا می گردیم

  • در دسته یادگیری بدون ناظر می باشد

دسته بندی

دسته بندی جزو روش های یادگیری با ناظر می باشد در این روش سیستم یادگیر از طریق مجموعه داده های آموزشی سعی در پیش بنی داده های جدید دارد

  • یادگیری براساس داده های آموزشی انجام می شود و با داده های تستی سیستم ارزیابی می گردد

  • روش هایی مانند درخت تصمیم  از این نوع می باشد

  • از نوع یادگیری با ناظر است و مجموعه جواب گسسته می باشد

رگرسیون

رگرسیون جزو روش های یادگیری با ناظر می باشد و تنها تفاوت آن با روش های دسته بندی در مجموعه هدف می باشد. در رگرسیون مجموعه هدف پیوسته می باشد

  • مانند دسته بندی می باشد با این تفاوت که مجموعه هدف پیوسته است

  • پیش بینی قیمت مسکن یا پیش بینی آب و هوا از این نوع می باشد

  • در این روش  از روی مجموعه آموزشی ، برای مقادیر جدید تصمیم گیری می شود

۱۳۹۶-۷-۲۱ ۰۶:۴۳:۲۲ +۰۳:۳۰مهر ۲۱ام, ۱۳۹۶|هوش مصنوعی, یادگیری ماشین دسته بندی ها|برچسب ها:٪ s |بدون ديدگاه

ثبت ديدگاه

پرداخت

1-پرداخت آنلاین
برای پرداخت آنلاین از لینک زیر استفاده کنید
پرداخت آنلاین
2- پرداخت آفلاین
برای پرداخت آفلاین مبلغ مورد نظر را به یکی از شماره کارت
6037997245888723بانک ملی