🔸 یادگیری ماشین در حقیقت الگوریتمی برای یاد گرفتن و تعمیم دادن از روی دادههای ثبت شده ورودی و خروجی است که هدف آن، پیشبینی نتایج برای دادههای ورودی جدید است.
🔸 میتوان یادگیری ماشین را به فرم تقریب تابعی تعبیر کرد که بردار ویژگیهای ورودی را به بردار ویژگیهای خروجی نسبت میدهد. تقریب این تابع را میتوان به فرم یک مساله بهینهسازی تعبیر کرد. تابع تقریب به شکلی تعریف میشود که به بهترین وجه ممکن دادههای ورودی را به خروجی نگاشت بدهد. برای این منظور در یادگیری ماشین، اغلب تابع هزینه مجموع مربعات، خطای پیشبینی تعریف میشود و با بهینهسازی آن به تابع تقریب میرسیم.
📌 برای شروع یادگیری، از لینکهای زیر استفاده کنید:
▫️ آموزش الگوریتم K نزدیکترین همسایه در پایتون + مثال عددی KNN
▫️ آموزش کتابخانه scikit-learn در پایتون
▫️ آموزش الگوریتم های بهینه سازی در یادگیری ماشین
🔗 مجموعه آموزش هوش مصنوعی — [کلیک کنید]
@FaraAI — کانال تخصصی هوش مصنوعی
>>Click here to continue<<