بررسی روش های داده کاوی در یادگیری ماشین تکنیک ها و الگوریتم ها

یادگیری ماشینی زیر مجموعه ای از هوش مصنوعی است که با بهره گیری از تکنیک ها و الگوریتم های مختلف به سیستم ها کمک می کند تا توانایی یادگیری خود را بهبود بخشیده و بر اساس تجربیات گذشته و بدون استفاده از برنامه نویسی زیاد توسعه یابند. تکنیک های مختلفی برای یادگیری ماشین استفاده می شوند تکنیک های با ناظر بدون، ناظر شبه ناظر و تقویتی از پرکاربردترین روش های یادگیری ماشین هستند که از روش های طبقه بندی رگرسیون خوشه بندی قوانین انجمنی کاهش ابعاد و سایر روش ها برای یادگیری استفاده می کنند همچنین الگوریتم های متعددی بر اساس تکنیک ها و روش های فوق معرفی شده که در این مقاله به مرور آن می پردازیم. در این مقاله مفاهیم یادگیری ماشین به همراه تکنیک ها و روش های پیاده سازی یادگیری ماشین مورد بررسی قرار گرفته و الگوریتم های مختلف یادگیری ماشین بیان می گردد. هدف از نگارش این مقاله مروری بر تکنیک ها و الگوریتم های یادگیری ماشین و دسته بندی و مقایسه بین الگوریتم های مختلف یادگیری ماشین است و یازده الگوریتم در این مقاله بررسی و معرفی شده است.

کلیدواژه ها:

یادگیری ماشین تکنیک های یادگیری ماشین یادگیری با ، ناظر یادگیری بدون ناظر یادگیری شبه ناظر ، یادگیری تقویتی