LinkedIn

اگر دنبال موضوع جدید برای مقاله میگردید و به پزشکی - ورزشی علاقه دارید این پست رو ببینید.

نمونه مقاله هم معرفی شده (استنفورد)؛ تفاوتش اینه که دیتایی که ما ارائه میدیم دقت و جزئیات بیشتری رو شامل میشه

و این تکنیک دیتا آماده کردن برای این کار رو هم ارزون قیمت می‌کنه

پرزنت های کنفرانس پایتورچ 2023 رو هم در یوتیوب بارگذاری کردن، میتونید در مورد خیلی از تاپیک های generatative AI سخنرانی های خوبی پیدا کنید
📽️👇🏼

Link

#pytorch #datascience #deeplearning #machinelearning

Building a Machine Learning Model: A Step-by-Step Guide!


توضيحات_فارسي

توضيحات_انگليسي


#شروع #یادگیری_ماشین #MachineLearning #مدل_سازی #DataScience #پایتون

𝗗𝗮𝘁𝗮 𝗦𝗰𝗶𝗲𝗻𝗰𝗲 𝗜𝗻𝘁𝗲𝗿𝘃𝗶𝗲𝘄 𝗤𝘂𝗲𝘀𝘁𝗶𝗼𝗻:
Why is it important to maximize margin in SVM?

Some of the advantages include -


1. Improved Generalization:
وقتی فاصله رو زیاد می‌کنیم، مدل تصمیم می‌گیره که تا جایی که می‌تونه از نزدیک‌ترین نقطه‌های هر دسته دورتر باشه. اینطوری احتمال اینکه داده‌های جدید اشتباه پیش‌بینی بشن کمتر میشه، چون یه فضای امن اطراف مرز تصمیم‌گیری ایجاد شده. فاصله بزرگتر باعث میشه مدل به تغییرات کوچیک یا نویز توی داده‌ها حساسیت نشون نده.

2.Focus on Critical Points:
وقتی فاصله زیاد میشه، مدل بیشتر داده‌های تمرینی رو بی‌خیال میشه و فقط به نقاط مهمی که نزدیک مرز تصمیم‌گیری هستن توجه می‌کنه. اینطوری مدل ساده‌تر و سریع‌تر کار می‌کنه، چون فقط با چند تا نقطه سروکار داره.

3.Robustness to Outliers:
هرچند که SVM کاملاً در برابر نویز مقاوم نیست، ولی با فاصله بیشتر، نسبت به تغییرات کوچیک یا نویز توی داده‌های آموزشی مقاومت بیشتری پیدا می‌کنه. اگه یه نقطه دورتر از مرز باشه، تاثیرش روی مدل کمتره.

Link

#MachineLearning #DataScience #SVM