کم برازش

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…

برای ارزیابی مدل‌هایی که برمبنای استنباط آماری ایجاد می‌شوند، ابزارها و معیارهای مختلف وجود دارد یکی از این ابزارها، معیار ارزیابی BIC است که میزان…

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…

در دیگر نوشتارهای فرادرس با عنوان معیار ارزیابی AIC در مدل‌های احتمالی — از صفر تا صد مفهوم ارزیابی مدل و شیوه اندازه‌گیری آن توسط…

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…

اغلب به منظور ارزیابی مدلی که برای «پدیده‌های تصادفی» (Random Phenomena) ایجاد شده است از شاخص‌هایی استفاده می‌کنیم که براساس داده‌ها و توزیع مقدارهای آن…

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،…

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…