الگوریتم های پرکاربرد یادگیری ماشین — به همراه منابع یادگیری

الگوریتم‌های یادگیری ماشین در سه دسته «نظارت شده» (Supervised)، «نظارت نشده» (Unsupervised) و «یادگیری تقویتی» (Reinforcement Learning) قرار می‌گیرند. برای آشنایی با هر یک از این دسته‌ها، مطالعه مطالب زیر توصیه می‌شود.

در ادامه، مهم‌ترین و کاربردی‌ترین الگوریتم‌های یادگیری ماشین برای هر یک از این دسته‌ها، به همراه منابع یادگیری آن‌ها معرفی شده‌اند.

۱. الگوریتم دسته‌بند بیز ساده (Naïve Bayes Classifier Algorithm) – نظارت شده

منابع یادگیری:

۲. الگوریتم K میانگین (K Means Clustering Algorithm) – نظارت نشده

منابع یادگیری:

۳. الگوریتم ماشین بردار پشتیبان (Support Vector Machine Algorithm) – نظارت شده

منابع یادگیری:

۴. الگوریتم اپریوری (Apriori Algorithm) – نظارت نشده (با تغییراتی در الگوریتم می‌توان از آن به صورت نظارت شده نیز استفاده کرد.)

منابع یادگیری:

۵. الگوریتم رگرسیون خطی (Linear Regression Algorithm) – نظارت شده

منابع یادگیری:

۶. الگوریتم رگرسیون لجستیک (Logistic Regression Algorithm) نظارت شده

منابع یادگیری:

۷. الگوریتم درخت تصمیم (Decision Trees Algorithm) – نظارت شده

منابع یادگیری:

۸. الگوریتم جنگل تصادفی (Random Forests Algorithm) – نظارت شده

منابع یادگیری:

۹. الگوریتم K نزدیک‌ترین همسایگی (K Nearest Neighbours Algorithm) – نظارت شده

منابع یادگیری:

۱۰. الگوریتم شبکه عصبی مصنوعی (Artificial Neural Networks Algorithm) – قابل استفاده به عنوان الگوریتم نظارت شده یا نشده

منابع یادگیری:


مجموعه: داده کاوی, هوش مصنوعی, یادگیری تقویتی, یادگیری ماشینی برچسب ها: , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *