نشریه

داده های واقعی عموما دارای انواع مشکلات کیفی هستند که نیاز به پاکسازی را ضروری می نماید. استفاده از داده های خام و دارای مشکلات کیفی، منجر به کاهش عملکرد الگوریتم ها، اختلال در شناسایی الگوها و نتایج گمراه کننده می شود. یکی از چالش‌های مهم و جدی عدم وجود داده‌های صحیح است. به‌عنوان مثال […]

در درس قبل نمونه گیری را توضیح دادیم. در این ویدیو با استفاده از دیتا ست Sampling  Data به اجرای نمونه برداری یا sampling  در نرم افزار می پردازیم. Pallet Bar 🡺 Sources 🡺 Var File Pallet Bar 🡺 Record Ops 🡺 Sample (random) Pallet Bar 🡺 Graphs 🡺 Histogram Pallet Bar 🡺 Record Ops

رگرسیون خطی یکی از پرکاربردترین الگوریتم های یادگیری آماری با هدف بررسی و مدلسازی ارتباط خطی بین یک یا چند ویژگی ورودی مستقل از هم با متغیر وابسته (پاسخ) می باشد. رگرسیون خطی از نوع یادگیری با نظارت با هدف پیش بینی مقادیر کمی است. اگر رابطه خطی بین یک متغیر پاسخ و یک متغیر

در ابتدای معرفی تکنیک خوشه بندی لازم به ذکر است که مدل های اکتشافی در فرآیند داده کاوی که با عنوان مدل های توصیفی (Descriptive Models) نیز شناخته می‌شوند، در دسته یادگیری بدون نظارت قرار می گیرد. خوشه بندی (Clustering) هدف از خوشه بندی، دسته بندی داده ها و تقسیم بندی آنها در چندین گروه

ژنومیک علم مطالعه‌ی ژنوم‌هاست؛ مجموعه‌ی کامل DNA در یک موجود زنده است. درک ژنوم‌ها می‌تواند منجر به پیشرفت‌هایی در پزشکی، کشاورزی و زیست‌شناسی شود. پایتون، یک زبان برنامه‌نویسی چندمنظوره و قدرتمند، به ابزاری محبوب در زمینه ژنومیک تبدیل شده است. سادگی و کتابخانه‌های گسترده‌اش آن را برای مدیریت داده‌های زیستی پیچیده ایده‌آل می‌سازد. این مقاله