انواع داده و انواع الگوریتم های یادگیری ماشین، یادگیری عمیق و یادگیری گروهی

[Deleted User]

دوستان گرامی سلام
 در این پست قصد دارم با انواع ساختار داده شما را آشنا کنم و در بخش دوم اسامی از انواع الگوریتم های موجود در یادگیری ماشین، یادگیری عمیق و یادگیری گروهی را بیان خواهم کرد

داه ساختار یافته مانند فایل اکسل یا انواع فایل های مرتبط با پایگاه داده
داده ساختار نیافته مانند انواع متن یا فیلم
از طرفی داده ها به دو دسته کلی دیگر یعنی دسته کمی و دسته کیفی تقسیم میشوند
داده های کیفی شامل سه بخشرترتیبی، اسمی و عددی میشوند

1. Regression Algorithms

Linear Regression

Logistic Regression

Stepwise Regression

Multivariate Adaptive Regression Splines (MARS)

Locally Estimated Scatterplot Smoothing (LOESS)

2. Instance-based Algorithms

k-Nearest Neighbour (kNN)

Learning Vector Quantization (LVQ)

Self-Organizing Map (SOM)

Locally Weighted Learning (LWL)

3. Regularization Algorithms

Ridge Regression

Least Absolute Shrinkage and Selection Operator (LASSO)

Elastic Net

Least-Angle Regression (LARS)

4. Decision Tree Algorithms

Classification and Regression Tree (CART)

Iterative Dichotomiser 3 (ID3)

C4.5 and C5.0 (different versions of a powerful approach)

Chi-squared Automatic Interaction Detection (CHAID)

Decision Stump

M5

Conditional Decision Trees

5. Bayesian Algorithms

Naive Bayes

Gaussian Naive Bayes

Multinomial Naive Bayes

Averaged One-Dependence Estimators (AODE)

Bayesian Belief Network (BBN)

Bayesian Network (BN)

6. Clustering Algorithms

k-Means

k-Medians

Expectation Maximisation (EM)

Hierarchical Clustering

7. Association Rule Learning Algorithms

Apriori algorithm

Eclat algorithm

8. Artificial Neural Network Algorithms

Perceptron

Back-Propagation

Hopfield Network

Radial Basis Function Network (RBFN)

9. Deep Learning Algorithms

Deep Boltzmann Machine (DBM)

Deep Belief Networks (DBN)

Convolutional Neural Network (CNN)

Stacked Auto-Encoders

10. Dimensionality Reduction Algorithms

Principal Component Analysis (PCA)

Principal Component Regression (PCR)

Partial Least Squares Regression (PLSR)

Sammon Mapping

Multidimensional Scaling (MDS)

Projection Pursuit

Linear Discriminant Analysis (LDA)

Mixture Discriminant Analysis (MDA)

Quadratic Discriminant Analysis (QDA)

Flexible Discriminant Analysis (FDA)

11. Ensemble Algorithms

Boosting

Bootstrapped Aggregation (Bagging)

AdaBoost

Stacked Generalization (blending)

Gradient Boosting Machines (GBM)

Gradient Boosted Regression Trees (GBRT)

Random Forest

12. Other Algorithms

Computational intelligence (evolutionary algorithms, etc.)

Computer Vision (CV)

Natural Language Processing (NLP)

Recommender Systems

Reinforcement Learning

Graphical Models

در این پست لیست اسامی یکسری از الگوریتمهای موجود در بخش یادگیری ماشین ، یادگیری عمیق و یادگیری گروهی بیان شده است و در پستهای بعدی ساختار هریک را توضیح خواهم داد

شاد و سربلند باشید
mbs