زیرموضوعات | |
آموزش SPSS Modeler | آموزش WEKA |

ساختار درختی به عنوان روش پیش بینی- بخش اول
ساختار درخت تصمیم یک ساختار درختی، شبیه فلوچارت میباشد بالاترین گره در درخت گره ریشه است و گره های برگ، دسته ها یا توزیع دسته ها را نشان میدهند
درخت تصمیم یکی از ابزار های قوی و متداول برای دسته بندی و پیش بینی میباشد. در خت تصمیم بر خلاف شبکه های عصبی به تولید قاعده میپردازد. در ساختار درخت تصمیم، پیش بینی به دست آمده از درخت در قالب یگسری قواعد توضیح داده می شود. در حالی که در شبکه های عصبی تنها نتیجه پیش بینی بیان میشود و چگونگی به دست آمدن آنها در خود شبکه پنهان میماند. همچنین در درخت تصمیم برخلاف شبکه های عصبی ضرورتی وجود ندارد که داده ها لزوماً به صورت عددی باشند.


طراحی داشبورد در شیرپوینت
این روزها درک داده ها اهمیت بسیار بیشتری نسبت مدیریت آنها دارند . برای مرتب سازی و تدوین این داده ها ابزارهای قدرتمند مورد نیاز است که به شیوه های مفید و معنی دار آنها را سازمان دهی نمایند .
ادامه مطلب...

کاربرد داده کاوی با اتوما تای یادگیر
یکی از مزایای اتوماتای یادگیر این است که به دانش مهمی از محیطی که در آن عمل می کند، و یا به هر دانش تحلیلی از تابعی که باید بهینه شود نیاز ندارد. یکی از مزایای اتوماتای یادگیر این است که به دانش مهمی از محیطی که در آن عمل می کند، و یا به هر دانش تحلیلی از تابعی که باید بهینه شود نیاز ندارد.
طبقه بندی کننده بر مبنای اتوماتای یادگیر بر دو قسمت اصلی بنا نهاده شده است که شامل:
کاربرد شبکه عصبی در رتبه بندی مشتریان
يکي از زمينههاي کاربردي شبکههاي عصبي در فعاليتهاي مالي، رتبهبندي مشتريان وارزيابي تقاضاي وام است.به اين طريق ميتوان تصميم گرفت که به چه کسي و به چه مقداري وام ميتوان پرداخت کرد.ارزيابي ريسک نپرداختن ادامه مطلب...
ادامه مطلب
وقت بخیر میهان گرامی
ثبت نام
- امروز: 0
- دیروز: 0
- مجموع کاربران: 2
- جدیدترین کاربر: testu
آمار بازدید
- بازدید امروز : 77
- بازدید دیروز : 6645
- بازدید کلی : 18779657
بیشترین تعداد آنلاین
- میهمان: 163
- اعضاء: 0
- مجموع: 163
وضعیت آنلاین ها
- میهمان: 28
- اعضاء: 0
- مجموع: 28
اعضای آنلاین