شما اینجایید
خانه > مطالب تگ شده با "آموزش هوش مصنوعی"

هوش مصنوعی با پایتون – بخش پنجم – یادگیری نظارت‌شده : طبقه‌بندی (قسمت چهارم)

هوش‌ مصنوعی با پایتون

   

ماشین‌های بردار پشتیبان (SVM[1])

ماشین بردار پشتیبان (SVM) در اصل یک الگوریتم یادگیری ماشین نظارت‌شده است که می‌تواند برای هر دو روش رگرسیون و طبقه‌بندی استفاده شود. مفهوم اصلی SVM ترسیم هر مورد داده به‌عنوان نقطه‌ای در فضای n بُعدی است به‌طوری‌که هر ویژگی مقدار یک مختصات

هوش مصنوعی با پایتون – بخش پنجم – یادگیری نظارت‌شده : طبقه‌بندی (قسمت سوم)

هوش‌ مصنوعی با پایتون

 

با استفاده از موارد فوق می‌خواهیم یک مدل یادگیری ماشینِ Naïve Bayes بسازیم تا از اطلاعات تومور به‌منظور تشخیص خوش‌خیم یا بدخیم بودن آن استفاده شود. برای شروع باید ماژول sklearn را نصب کنیم. این کار را می‌توان با دستور زیر انجام داد:

Import Sklearn

 

حال باید

هوش مصنوعی با پایتون – بخش پنجم – یادگیری نظارت‌شده : طبقه‌بندی (قسمت دوم)

هوش‌ مصنوعی با پایتون

مرحله 4: ساختن مدل

در این مرحله ما در حال ساختن مدل خود هستیم. ما قصد داریم از الگوریتم Naïve Bayes برای ساخت مدل استفاده کنیم. از دستورات زیر می‌توان برای ساخت مدل استفاده کرد:

 

from sklearn.naive_bayes import GaussianNB

   

دستور فوق ماژول GaussianNB را import می‌کند. اکنون دستور

هوش مصنوعی با پایتون – بخش پنجم – یادگیری نظارت‌شده : طبقه‌بندی (قسمت اول)

هوش‌ مصنوعی با پایتون

 

در این یخش از آموزش هوش مصنوعی با پایتون ما به پیاده‌سازیِ یادگیری نظارت‌شده – طبقه‌بندی خواهیم پرداخت.

روش طبقه‌بندی یا مدل سعی در نتیجه‌گیری از مقادیر مشاهده‌شده دارد. در مسائل طبقه‌بندی، ما خروجی دسته‌بندی‌شده مانند " سیاه " یا " سفید " و " تدریس "

هوش مصنوعی در پزشکی (بخش آخر)

هوش مصنوعی در پزشکی

   

از نشانگرهای زیستی می‌توان برای شناسایی موارد زیر استفاده کرد:

  1. وجود یک بیماری در سریع‌ترین زمان ممکن – نشانگر بیولوژیکی
  2. خطر گسترش بیماری مریض – نشانگر زیستی خطر
  3. پیشرفت احتمالی یک بیماری – نشانگر پیش‌بینی کننده
  4. این که آیا بیمار به یک

هوش مصنوعی در پزشکی (بخش اول)

هوش مصنوعی در پزشکی

یادگیری ماشین پیشرفت‌های چشمگیری در راندمان دارویی و بیوتکنولوژی داشته است. این مقاله خلاصه 4 برنامه برتر هوش مصنوعی امروز در پزشکی را دربر می‌گیرد.

 

تشخیص بیماری‌ها

 تشخیص صحیح بیماری‌ها سال‌ها آموزش پزشکی را می‌طلبد. حتی پس از آن، تشخیص بیماری اغلب یک روند سخت و زمان‌بر است.

هوش مصنوعی با پایتون، بخش چهارم – آماده‌سازی داده‌ها (قسمت آخر)

هوش‌ مصنوعی با پایتون

مراحل رمزگذاری برچسب

این مراحل را برای رمزگذاری برچسب‌های داده در پایتون دنبال کنید:

مرحله 1: واردکردن پکیج‌های مفید: اگر ما از پایتون استفاده می‌کنیم، این اولین قدم برای تبدیل داده‌ها به قالب خاص یعنی پردازش پیش فرض است. این کار را می‌توان با کدهای زیر انجام داد:

 

هوش مصنوعی با پایتون، بخش چهارم – آماده‌سازی داده‌ها (قسمت اول)

هوش‌ مصنوعی با پایتون

   

ما در بخش‌های قبل الگوریتم‌های یادگیری ماشین نظارت‌شده و بدون نظارت را مطالعه کردیم. این الگوریتم‌ها برای شروع فرآیند آموزش به داده‌های فرمت‌شده نیاز دارند. ما باید داده‌ها را به روشی خاص آماده یا قالب‌بندی کنیم تا بتواند به‌عنوان ورودی الگوریتم‌های یادگیری ماشین آماده‌سازی شود. در این بخش

هوش مصنوعی با پایتون، بخش سوم – یادگیری ماشین (قسمت دوم)

هوش مصنوعی با پایتون

الگوریتم‌های یادگیری ماشین تقویتی

این نوع الگوریتم‌های یادگیری ماشین بسیار کم استفاده می‌شوند. این الگوریتم‌ها برای تصمیم‌های مشخصی سیستم‌ها را آموزش می‌دهند. اساساً ماشین برای محیطی که در آن به‌طور پیوسته با استفاده از متد آزمون‌وخطا تعلیم‌دیده، شناخته‌شده است. این الگوریتم‌ها از تجربیات گذشته می‌آموزند و یاد

هوش مصنوعی با پایتون، بخش دوم- شروع کار (قسمت چهارم)

هوش‌ مصنوعی با پایتون

اجرای پایتون

روش‌های مختلف نصب پایتون را در نظر بگیرید. در زیر به شرح روش‌های مختلف نصب پایتون می‌پردازیم:

مترجم تعاملی: ما می‌توانیم پایتون را از یونیکس، DOS یا هر سیستمی که برای شماخط فرمان یا window shell فراهم کند، بالا بیاوریم. در خط فرمان پایتون

بالا