Seuraava artikkeli auttaa sinua: Parhaat resurssit päätöksentekopuiden oppimiseen vuonna 2022
Päätöspuut ovat valvottu oppimismenetelmä, jolla rakennetaan malli, joka ennustaa kohdemuuttujan arvon oppimalla yksinkertaisia päätössääntöjä tietoominaisuuksista. DT:itä käytetään sekä luokitukseen että regressioon, ja niitä on helppo ymmärtää ja tulkita.
Alla olemme listanneet suosituimmat verkkokurssit, YouTube-videot ja oppaat harrastajille päätöksentekopuiden hallitsemiseksi.
CodeAcademyn päätöspuut
CodeAcademyn kurssi keskittyy kehittäjien opettamiseen päätöspuiden ja satunnaisten metsien rakentamiseen ja käyttöön. Kurssilla tarkastellaan kahta menetelmää yksityiskohtaisesti: Gini-epäpuhtaudet ja Information Gain. Pohjimmiltaan interaktiivinen alusta, kurssi auttaa kehittäjiä ymmärtämään käsitteitä ja koodauskomponentteja. Käsiteltäviä aiheita ovat päätöspuut, Gini-epäpuhtaudet, rekursiivinen puurakennus, tiedon saaminen ja tietojen luokittelu testattaessa käsitteitä tietojoukoissa erilaisten päätöspuiden luomiseksi. Kurssi tarjoaa myös portfolioprojekteja ja tietokilpailuja.
Kurssi löytyy täältä
Päätöspuu – teoria, sovellus ja mallinnus käyttäen R on Udemy
Kurssi selittää päätöspuiden A-Z:t ja sisältää yhteensä kahdeksan tuntia luentoja analytiikan ammattilaiselta Gopal Prasad Malakarilta. Kurssin kohdeyleisö on alan ammattilaisia ja se käsittelee aiheita kuten päätöspuut, niiden sovellukset, edut, päätöspuun algoritmit, puun kehittäminen R:ssä ja päätöksen R tulkinta.
Kurssi löytyy täältä
Päätöspuut, satunnaiset metsät Udemylla
Start-Tech Academyn kurssi on suunnattu ohjelmoijille, joilla on peruskielentaidot. Kurssin tavoitteena on auttaa ihmisiä ymmärtämään päätöspuun algoritmeja, luomaan puun Pythonissa ja ratkaisemaan liiketoimintaongelmia päätöspuiden avulla. Se kattaa ML:n ja Pythonin perusteet ennen kuin siirrytään päätöspuihin.
Kurssi löytyy täältä.
Paras opas päätöspuun toteuttamiseen Pythonissa Simplilearnissa
Muutama moduuli Simplilearnin yksityiskohtaisessa koneoppimissoittolistassa on varattu päätöspuille ja satunnaisille metsäalgoritmeille; oppitunnit 12 ja 13. Oppitunti sisältää puolen tunnin selitysvideon, jota täydennetään teksteillä, kaavioilla ja kaavioilla. Päätöspuupohjaiset oppimiset sisältävät peruskäsitteitä, sovelluksia, terminologioita, metodologioita, algoritmien rakentamista ja DT:iden rakentamista Pythonissa.
Löydä opas täältä
Edurekan päätöspuualgoritmiluento
Edureka-professorin tunnin mittainen video käsittelee päätöspuualgoritmeja Pythonissa. Video vie kehittäjät läpi päätöspuualgoritmien perusteet ja luokittelun käsitteet, luokittelun käyttötapaukset, päätöspuun terminologiat, päätöspuun visualisoinnin ja sen kirjoittamisen alusta alkaen Pythonissa.
Löydä video täältä
Matemaattisen munkin kurssi
Mathematical Monk on YouTube-kanava, joka kouluttaa matematiikan tutkinnon suorittaneita ja ylemmän tason valmistuneita. Heidän ML 2.1-, 2.2- ja 2.3-selittäjänsä osana koneoppimissoittolistaa ovat perusjohdanto CART-lähestymistapaa käyttäviin regression päätöspuihin. Käsite selitetään kaavioiden ja selitysten avulla.
Löydä video täältä
Päätöspuu HackerEarthissä
HackerEarth on intialainen ohjelmistoyritys, jonka pääkonttori on Yhdysvalloissa ja joka tarjoaa yritysohjelmistoja organisaatioille teknisiin rekrytointitarpeisiin. Yritys julkaisee myös koneoppimisen tutoriaaleja ja harjoitusongelmia. Heidän oppaansa päätöspuista on kattava tekstillinen selitys aiheista sekä kaaviomaiset esimerkit ja sovellukset. Oppitunnit opetetaan tosielämän ongelmien kautta. Siinä esitetään myös koodauksen perusteet päätöspuun rakentamiseksi.
Löydä opas täältä
Stanfordin päätöspuut ja kokonaisuusmenetelmät YouTubessa
Stanfordin CS229 on laaja johdatus koneoppimiseen ja tilastolliseen hahmontunnistukseen. Päätöspuut ja ensemble-menetelmät ovat yksi kurssin moduuleista, jossa on 100 minuutin video luennosta. Professori Raphael Townshend, tohtorikandidaatti ja CS229 Head TA, tarjoaa oppitunteja päätöspuista, yleisistä yhdistelmämenetelmistä ja satunnaisista metsistä.
Löydä video täältä
ISLR Luku 8: Tree-Based Methods -soittolista YouTubessa
Data School, datatieteitä oppiva verkkokoulu, on julkaissut soittolistan, joka koostuu viisiosaisista videoista ja kahdesta ylimääräisestä luennosta, joissa käsitellään päätöspuita, päätöspuun karsimista, luokittelua ja vertailua lineaarisilla malleilla, bootstrap-aggregaatiota, satunnaista metsää ja käynnistystä sekä vaihteleva merkitys.
Soittolistan löydät täältä.
Koneoppimisen luento 29 Cornellissa YouTubessa
Kilian Weinberger on Cornellin yliopiston tietojenkäsittelytieteen laitoksen apulaisprofessori. Hän sai Ph.D. Pennsylvanian yliopistosta konetulojen alalla ja kirjoittanut useita alan artikkeleita. Youtube-opetusohjelma on hänen tallennetut luennot päätöspuista, epäpuhtausfunktioista, ID3-algoritmista ja parametrisista algoritmeista.
Lue luento täältä
Lue luentomuistiinpanot täältä
Edinburghin yliopiston päätöspuun oppimissoittolista YouTubessa
Victor Lavrenko on luennoitsija ja apulaisprofessori Edinburghin yliopistossa, joka keskittyy kehittämään parempia algoritmeja hakukoneille. Victor opettaa muun muassa Introductory Applied Machine Learning (IAML) -kurssia Edinburghin yliopistossa. Päätöspuun moduuli on jaettu lyhyiksi 5 minuutin selitysvideoiksi YouTubessa.
Soittolistan löydät täältä
