دليل المستخدم#
- 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
- 1.3. انحدار حافة النواة
- 1.4. آلات الدعم المتجهية (SVM)
- 1.5. التحسين التدريجي العشوائي
- 1.6. أقرب الجيران
- 1.7. العمليات الغاوسية
- 1.8. التحليل المتقاطع
- 1.9. خوارزميات بايز الساذجة
- 1.10. شجرة القرار
- 1.11. المجموعات: تعزيز التدرج، الغابات العشوائية، التجميع، التصويت، التكديس
- 1.12. خوارزميات متعددة التصنيف ومتعددة الإخراج
- 1.13. اختيار الميزات
- 1.14. التعليم شبه الخاضع للإشراف
- 1.15. الانحدار المتساوي التوتر
- 1.16. معايرة الاحتمال
- 1.17. نماذج الشبكات العصبية (الخاضعة للإشراف)
- 1.1. النماذج الخطية
- 2. التعليم الغير خاضع للإشراف
- 2.1. نماذج خليط غاوسي
- 2.2. تعلم المشعبات
- 2.2.1. مقدمة
- 2.2.2. Isomap
- 2.2.3. Locally Linear Embedding (التضمين الخطي المحلي)
- 2.2.4. Modified Locally Linear Embedding (التضمين الخطي المحلي المعدل)
- 2.2.5. Hessian Eigenmapping (تعيين Eigen Hessian)
- 2.2.6. Spectral Embedding (التضمين الطيفي)
- 2.2.7. Local Tangent Space Alignment (محاذاة فضاء المماس المحلي)
- 2.2.8. Multi-dimensional Scaling (MDS) (التحجيم متعدد الأبعاد)
- 2.2.9. t-distributed Stochastic Neighbor Embedding (t-SNE) (التضمين العشوائي للجار الموزع على t)
- 2.2.10. نصائح حول الاستخدام العملي
- 2.2.11. مقدمة
- 2.2.12. Isomap
- 2.2.13. التضمين الخطي المحلي
- 2.2.14. التضمين الخطي المحلي المعدل
- 2.2.15. رسم خرائط القيمة الذاتية للهيسية
- 2.2.16. التضمين الطيفي
- 2.2.17. محاذاة الفضاء المماس المحلي
- 2.2.18. القياس متعدد الأبعاد (MDS)
- 2.2.19. التضمين العشوائي للجيران (t-SNE)
- 2.2.20. نصائح للاستخدام العملي
- 2.3. التجميع
- 2.4. التجميع الثنائي
- 2.5. تحليل الإشارات إلى مكونات (مشاكل تحليل المصفوفات)
- 2.5.1. تحليل المكونات الرئيسية (PCA)
- 2.5.2. تحليل المكونات الرئيسية للنواة (kPCA)
- 2.5.3. تحليل القيمة الفردية المقطوع والتحليل الدلالي الكامن
- 2.5.4. تعلم القاموس
- 2.5.5. تحليل العوامل
- 2.5.6. تحليل المكونات المستقلة (ICA)
- 2.5.7. تحليل المصفوفة غير السالبة (NMF أو NNMF)
- 2.5.8. تخصيص ديريتشليت الكامن (LDA)
- 2.6. تقدير التباين المشترك
- 2.7. كشف القيم الغريبة والقيم المتطرفة
- 2.8. تقدير الكثافة
- 2.9. نماذج الشبكة العصبية (غير خاضعة للإشراف)
- 3. تقييم وإختيار النموذج
- 4. الفحص
- 5. التصورات المرئية
- 6. تحويلات مجموعات البيانات
- 7. مجموعات البيانات التجريبية
- 8. مجموعات بيانات العالم الحقيقي
- 9. مجموعات البيانات المُولَّدة
- 10. تحميل مجموعات بيانات أخرى
- 11. الحوسبة مع scikit-learn
- 12. حفظ النموذج
- 13. المزالق الشائعة والممارسات الموصى بها
- 14. Dispatching
- 15. اختيار المقدر المناسب
- 16. المصادر الخارجية ومقاطع الفيديو والمحادثات