1. التعليم الخاضع للإشراف

• 1.1. النماذج الخطية
  • 1.1.1. المربعات الصغرى العادية
  • 1.1.2. انحدار ريدج والتصنيف
  • 1.1.3. Lasso
  • 1.1.4. Lasso متعدد المهام
  • 1.1.5. Elastic-Net
  • 1.1.6. Elastic-Net متعدد المهام
  • 1.1.7. انحدار الزاوية الصغرى
  • 1.1.8. LARS Lasso
  • 1.1.9. مطاردة التطابق المتعامد (OMP)
  • 1.1.10. الانحدار البايزي
  • 1.1.11. الانحدار اللوجستي
  • 1.1.12. النماذج الخطية المُعممة
  • 1.1.13. نزول التدرج العشوائي - SGD
  • 1.1.14. Perceptron
  • 1.1.15. خوارزميات عدوانية سلبية
  • 1.1.16. انحدار المتانة: القيم المتطرفة وأخطاء النمذجة
  • 1.1.17. انحدار المُكمِّم
  • 1.1.18. الانحدار متعدد الحدود: توسيع النماذج الخطية مع دوال الأساس
• 1.2. تحليل التمييز الخطي والتربيعي
  • 1.2.1. تقليل الأبعاد باستخدام تحليل التمييز الخطي
  • 1.2.2. الصيغة الرياضية لمُصنِّفات LDA و QDA
  • 1.2.3. الصيغة الرياضية لتقليل أبعاد LDA
  • 1.2.4. الانكماش ومُقدِّر التغاير المشترك
  • 1.2.5. خوارزميات التقدير
• 1.3. انحدار حافة النواة
• 1.4. آلات الدعم المتجهية (SVM)
  • 1.4.1. التصنيف
  • 1.4.2. الانحدار
  • 1.4.3. تقدير الكثافة، كشف الجدة
  • 1.4.4. التعقيد
  • 1.4.5. نصائح حول الاستخدام العملي
  • 1.4.6. دوال النواة
  • 1.4.7. الصيغة الرياضية
  • 1.4.8. تفاصيل التطبيق
• 1.5. التحسين التدريجي العشوائي
  • 1.5.1. التصنيف
  • 1.5.2. الانحدار
  • 1.5.3. Online One-Class SVM
  • 1.5.4. التحسين التدريجي العشوائي للبيانات النادرة
  • 1.5.5. التعقيد
  • 1.5.6. معيار التوقف
  • 1.5.7. نصائح للاستخدام العملي
• 1.6. أقرب الجيران
  • 1.6.1. أقرب جيران غير خاضع للإشراف
  • 1.6.2. تصنيف أقرب جيران
  • 1.6.3. انحدار أقرب جيران
  • 1.6.4. خوارزميات أقرب جيران
  • 1.6.5. مُصنف أقرب مركز
  • 1.6.6. محول أقرب جيران
  • 1.6.7. تحليل مكونات الجوار
• 1.7. العمليات الغاوسية
  • 1.7.1. انحدار العملية الغاوسية (GPR)
  • 1.7.2. تصنيف العملية الغاوسية (GPC)
  • 1.7.3. أمثلة GPC
  • 1.7.4. نوى العمليات الغاوسية
• 1.8. التحليل المتقاطع
  • 1.8.1. PLSCanonical
  • 1.8.2. PLSSVD
  • 1.8.3. PLSRegression
  • 1.8.4. تحليل الارتباط المتعارف عليه
• 1.9. خوارزميات بايز الساذجة
  • 1.9.1. خوارزمية بايز الساذجة الغاوسية
  • 1.9.2. خوارزمية بايز الساذجة متعددة الحدود
  • 1.9.3. خوارزمية بايز الساذجة التكميلية
  • 1.9.4. خوارزمية بايز الساذجة متعددة الحدود
  • 1.9.5. خوارزمية بايز الساذجة التصنيفية
  • 1.9.6. نموذج بايز الساذج خارج النواة
• 1.10. شجرة القرار
  • 1.10.1. التصنيف
  • 1.10.2. الانحدار
  • 1.10.3. المشكلات متعددة المخرجات
  • 1.10.4. التعقيد
  • 1.10.5. نصائح للاستخدام العملي
  • 1.10.6. خوارزميات الشجرة: ID3 وC4.5 وC5.0 وCART
  • 1.10.7. الصياغة الرياضية
  • 1.10.8. دعم القيم المفقودة
  • 1.10.9. التقليم الأدنى لتكلفة التعقيد
• 1.11. المجموعات: تعزيز التدرج، الغابات العشوائية، التجميع، التصويت، التكديس
  • 1.11.1. أشجار مُعززة بالتدرج
  • 1.11.2. الغابات العشوائية ومجموعات الأشجار العشوائية الأخرى
  • 1.11.3. مُقدِّر التعريف التجميعي
  • 1.11.4. مُصنف التصويت
  • 1.11.5. مُنحدِر التصويت
  • 1.11.6. التعميم المُكدَّس
  • 1.11.7. AdaBoost
• 1.12. خوارزميات متعددة التصنيف ومتعددة الإخراج
  • 1.12.1. متعدد الفئات
  • 1.12.2. متعدد الفئات
  • 1.12.3. متعدد الفئات متعدد الإخراج
  • 1.12.4. متعدد الإخراج التراجع
• 1.13. اختيار الميزات
  • 1.13.1. إزالة الميزات ذات التباين المنخفض
  • 1.13.2. اختيار الميزات أحادية المتغير
  • 1.13.3. إزالة الميزات التكراري
  • 1.13.4. اختيار الميزات باستخدام SelectFromModel
  • 1.13.5. اختيار الميزات المتسلسل
  • 1.13.6. اختيار الميزات كجزء من خط أنابيب
• 1.14. التعليم شبه الخاضع للإشراف
  • 1.14.1. التدريب الذاتي
  • 1.14.2. انتشار التصنيف
• 1.15. الانحدار المتساوي التوتر
• 1.16. معايرة الاحتمال
  • 1.16.1. منحنيات المعايرة
  • 1.16.2. معايرة المصنف
  • 1.16.3. الاستخدام
• 1.17. نماذج الشبكات العصبية (الخاضعة للإشراف)
  • 1.17.1. متعدد الطبقات Perceptron
  • 1.17.2. التصنيف
  • 1.17.3. التراجع
  • 1.17.4. التنظيم
  • 1.17.5. الخوارزميات
  • 1.17.6. التعقيد
  • 1.17.7. نصائح حول الاستخدام العملي
  • 1.17.8. مزيد من التحكم مع warm_start