تا کنون در مجله فرادرس، مقالات و آموزش‌های متنوعی را در موضوع «بیش برازش» منتشر کرده ایم. در ادامه برخی از این مقالات مرتبط با این موضوع لیست شده اند. برای مطالعه هر مقاله، لطفا روی عنوان آن کلیک کنید.
در دیگر نوشتارهای مجله فرادرس با مفهوم رگرسیون خطی و همچنین نحوه محاسبات آن آشنا شده‌‌اید. در این نوشتار با انواع روش های رگرسیونی خطی…
همه کسانی که در حوزه «هوش مصنوعی» (Artificial Intelligence) و «یادگیری ماشین» (Machine Learning) فعالیت دارند، با مسأله انتخاب «ویژگی‌های مرتبط» (Relevant Features) در یک…
در نظریه «توزیع‌های آماری» (Distribution Theory)، «توزیع ویشارت» (Wishart Distribution) را می‌توان به شکلی تعمیم یافته «توزیع گاما» (Gamma Distribution) در حالت چند متغیره محسوب…
معمولا در بین آماردانان دو سبک یا رویکرد برای «استنباط آماری» (Statistical Inference) وجود دارد که البته هر دو روش نیز امکان تجزیه و تحلیل…
در این راهنما به معرفی روش ساخت شبکه‌های عمیق جهت مقاصد بینایی ماشین می‌پردازیم. بینایی ماشین یا «بینایی رایانه» (Computer Vision) در زمینه هوش مصنوعی…
امروزه به منظور انتخاب مدل با کمترین متغیرها و جلوگیری از بیش‌برازش یا کم‌برازش از ابزاری به نام «اعتبار سنجی متقابل» (Cross Validation) استفاده می‌شود….
«جنگل تصادفی» (Random Forest)، یک الگوریتم یادگیری ماشین با قابلیت استفاده آسان است که اغلب اوقات نتایج بسیار خوبی را حتی بدون تنظیم فراپارامترهای آن،…
روزی، مساله فهمیدن حال افراد از طریق اینترنت بیشتر شبیه به موضوع یک فیلم تخیلی بود تا واقعیتی امکان‌پذیر، اما امروزه این کار در ابعاد…
در این مطلب، آموزش ساخت یک «شبکه عصبی» (Neural Network | NN) ساده با استفاده از کتابخانه یادگیری عمیق «کرس» (Keras) در «پایتون» (Python) ارائه شده است….
شاید به نظر برسد که ایده‌های مربوط به «یادگیری ماشین» (Machine Learning) بسیار جدید باشند ولی با مطالعه در زمینه‌های آمار، فلسفه و نظریه اطلاع…
هر گونه بهرهگیری از مطالب مجله فرادرس به معنی پذیرش شرایط استفاده از آن بوده و کپی بخش یا کل هر کدام از مطالب، تنها با کسب مجوز مکتوب امکان پذیر است.
© فرادرس ۱۳۹۹