دسته: الگوریتم‌های کلاسیک

الگوریتم Naive Bayes

🧠 الگوریتم Naive Bayes مقدمه Naive Bayes یک الگوریتم یادگیری ماشین مبتنی بر قضیه بیز (Bayes’ Theorem) است و برای دسته‌بندی داده‌ها استفاده می‌شود. این الگوریتم ساده و سریع، به ویژه در مسائل طبقه‌بندی متن، ایمیل اسپم، و تشخیص بیماری کاربرد دارد. واژه “Naive” به دلیل فرض استقلال ویژگی‌ها به کار رفته است، یعنی فرض […]

الگوریتم KNN

🧠 الگوریتم KNN (K-Nearest Neighbors) مقدمه KNN یا K-نزدیک‌ترین همسایه یک الگوریتم ساده و محبوب یادگیری نظارت‌شده (Supervised Learning) است که برای مسائل دسته‌بندی و رگرسیون استفاده می‌شود. ایده اصلی KNN این است که یک نمونه جدید بر اساس کلاس نزدیک‌ترین نمونه‌ها در فضای ویژگی‌ها پیش‌بینی شود. KNN یکی از الگوریتم‌های غیرپارامتریک (Non-Parametric) است؛ یعنی […]

الگوریتم SVM

🧠 الگوریتم SVM (Support Vector Machine) مقدمه SVM (ماشین بردار پشتیبان) یکی از الگوریتم‌های محبوب یادگیری نظارت‌شده (Supervised Learning) است که برای مسائل دسته‌بندی و رگرسیون استفاده می‌شود. ایده اصلی SVM یافتن یک مرز (Hyperplane) بهینه است که دو کلاس داده را از هم جدا کند و حداکثر فاصله (Margin) بین نزدیک‌ترین نقاط دو کلاس […]

درخت تصمیم

🧠 درخت تصمیم (Decision Tree) مقدمه درخت تصمیم (Decision Tree) یکی از الگوریتم‌های محبوب یادگیری نظارت‌شده (Supervised Learning) است که برای مسائل دسته‌بندی و رگرسیون استفاده می‌شود. این الگوریتم داده‌ها را به شکل یک ساختار درختی مدل‌سازی می‌کند، جایی که هر گره داخلی (Internal Node) نمایانگر یک ویژگی و شرط تصمیم‌گیری است و هر گره […]

رگرسیون خطی و لجستیک

🧠 رگرسیون خطی و رگرسیون لجستیک مقدمه رگرسیون (Regression) یکی از مهم‌ترین روش‌های یادگیری نظارت‌شده (Supervised Learning) است که برای پیش‌بینی مقادیر عددی یا احتمال وقوع یک رویداد استفاده می‌شود. دو نوع پرکاربرد رگرسیون عبارتند از: رگرسیون خطی (Linear Regression) رگرسیون لجستیک (Logistic Regression) 🔹 رگرسیون خطی (Linear Regression) ایده اصلی رگرسیون خطی برای پیش‌بینی […]