The Altair Community is migrating to a new platform to provide a better experience for you. In preparation for the migration, the Altair Community is on read-only mode from October 28 - November 6, 2024. Technical support via cases will continue to work as is. For any urgent requests from Students/Faculty members, please submit the form linked here

چند اپراتور در بخش پیش بینی و یادگیری ماشین در رپیدماینر

[Deleted User][Deleted User] Posts: 0 Newbie
edited January 2020 in Knowledge Base
دوستان گرامی سلام
در این پست چند اپراتور را که در رپیدماینر در زمینه پیش بینی در بخش یادگیری ماشین وجود دارند معرفی میکنم

Create Formula

این عملگر از مدل داده شده فرمول تولید می کند. این اپراتور می تواند تنها برای مدلهایی که قادر به تولید فرمول هستند فرمول تولید کند

Group Models

این اپراتور مدلهای داده شده را به یک مدل ترکیبی واحد تبدیل می کند. هنگامی که این مدل ترکیبی اعمال می شود ، معادل استفاده از مدل های اصلی به ترتیب مربوط به آنها است

Lazy
Default Model

این عملگرمدلی را تولید می کند که مقدار پیش فرض مشخص شده برای برچسب را در همه نمونه ها پیش بینی می کند

k-NN

این اپراتور یک مدل کا نزدیکترین همسایه را تولید می کند ، که برای طبقه بندی یا رگرسیون استفاده می شود

Naive Bayes

این اپراتور یک مدل طبقه بندی بیزین ساده ایجاد می کند. داده ها را با میزان خطا و واریانس کمی  طبقه بندی میکند و می تواند حتی با یک مجموعه داده کوچک یک مدل خوب بسازد

Naive Bayes (Kernel)

این اپراتور با استفاده از تراکم هسته تخمین زده شده ، یک مدل طبقه بندی تولید می کند

Trees
CHAID

این اپراتور یک درخت تصمیم هرس شده را بر اساس تست ربط ویژگی تولید می کند. این عملگر را می توان فقط برای داده های اسمی استفاده کرد

Decision Stump

این اپراتور یک درخت تصمیم گیری را تنها با یک تقسیم( بخش) واحد آموزش میدهد. این عملگر را می توان در هر دو مجموعه داده های اسمی و عددی اعمال کرد

Decision Tree

این اپراتور یک مدل درخت تصمیم ایجاد می کند ، که می تواند برای طبقه بندی و رگرسیون استفاده شود

Decision Tree (Multiway)

این اپراتور یک درخت تصمیم چندراهه( چند معیاره) تولید می کند

Decision Tree (Weight-Based)

این اپراتور یک درخت تصمیم هرس را بر اساس یک آزمایش ارتباط با ویژگی های دلخواه تولید می کند. طرح وزنی ویژگی باید به عنوان عامل داخلی ارائه شود. این عملگر را می توان فقط در داده های اسمی اعمال کرد

Gradient Boosted Trees


لطفا توجه داشته باشید که نتیجه این الگوریتم ممکن است به تعداد رشته های مورد استفاده بستگی داشته باشد. تنظیمات مختلف ممکن است منجر به خروجی های نسبتا متفاوتی گردد

منبع
RapidMiner 9
Operator Reference Manual

https://docs.rapidminer.com/latest/studio/operators/rapidminer-studio-operator-reference.pdf



موفق باشید
mbs
Sign In or Register to comment.