Art of Stat: Machine Learning

Bernhard Klingenberg, Art of Stat

ဤအက်ပ်အကြောင်း

The Art of Stat: Machine Learning အက်ပ်တွင် ကြီးကြပ်မှုနှင့် ကြီးကြပ်မှုမရှိဘဲ သင်ယူမှုနည်းလမ်းများ ပါဝင်ပြီး ဒေတာများကို လေ့ကျင့်မှုနှင့် စမ်းသပ်မှုအစုံများအဖြစ် ပိုင်းခြားနိုင်စေကာ၊ ခန့်မှန်းချက်များနှင့် အပူမြေပုံများ အပါအဝင် နည်းလမ်းအားလုံးကို မြင်ယောင်နိုင်စေကာ၊ ရှုပ်ထွေးမှုမက်ထရစ်နှင့် အခြားအရာများကို ပြသခြင်းဖြင့် သင့်အယ်လဂိုရီသမ်၏ တိကျမှုကို အကဲဖြတ်နိုင်စေပါသည်။ ပါဝင်သော ML algorithms များတွင် အောက်ပါတို့ ပါဝင်သည်-

- Multiple Linear Regression (categorical predictors နှင့် interactions interactions များ အပါအဝင်)

- Multiple Logistic Regression (categorical predictors နှင့် interactions interactions များ အပါအဝင်)

- Discriminant Analysis (Linear & Quadratic)
- Naive Bayes
- K-Means Clustering

လုပ်ဆောင်ချက်-
- dataset အမျိုးမျိုး (Palmer Penguins, Wine Quality, Heart Disease, Iris Flowers, Credit Card Defaults, ...) ကို ပံ့ပိုးပေးသည် သို့မဟုတ် အသုံးပြုသူအား ၎င်းတို့၏ကိုယ်ပိုင် CSV ဖိုင်ကို upload လုပ်ခွင့်ပြုသည်
- data ကို training နှင့် test sets များအဖြစ် ပိုင်းခြားသည်
- Features များကို Standardize လုပ်သည်
- continuous နှင့်/သို့မဟုတ် categorical features များကို ရွေးချယ်သည် (သင့်လျော်သည့်နေရာတွင်)
- methods အားလုံးကို (Scatterplots, Heatmaps), predicted labels သို့မဟုတ် posterior probabilities များကို မြင်ယောင်နိုင်သည်
- Confusion Matrix နှင့် accuracy statistics (precision နှင့် recall အပါအဝင်) ကို နည်းလမ်းများစွာဖြင့် ပြသခြင်းဖြင့် တိကျမှုကို အကဲဖြတ်သည်
- လေ့လာတွေ့ရှိချက်အသစ်များအတွက် ခန့်မှန်းချက်များ ပြုလုပ်သည်

ပြင်ဆင်နေသော Modules များ-
- Decision Trees & Random Forests
- Nearest Neighbor

အသစ်များ

Initial Release