در این مطلب، ویدئو شبکه بیزی -7 | یادگیری ماشینی – پایتون با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:11:35
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:01,370 –> 00:00:04,500
بسیار خوب، این برنامه برای ساختن یک
2
00:00:04,500 –> 00:00:10,590
شبکه بیزی است، بنابراین ششمین
3
00:00:10,590 –> 00:00:12,900
برنامه برای مشاوره با یک
4
00:00:12,900 –> 00:00:15,450
شبکه بیمار با استفاده از داده های پزشکی است، آنها از
5
00:00:15,450 –> 00:00:16,560
ما می خواهند که از
6
00:00:16,560 –> 00:00:19,619
مجموعه داده های استاندارد بیماری قلبی استفاده کنیم و می توانیم از
7
00:00:19,619 –> 00:00:23,820
کلاس های کتابخانه داخلی پایتون یا api استفاده کنیم.
8
00:00:23,820 –> 00:00:35,460
مجموعه داده در UCI در دسترس است، بنابراین این
9
00:00:35,460 –> 00:00:37,079
مجموعه داده ای است که ما با آن
10
00:00:37,079 –> 00:00:39,090
کار می کنیم و
11
00:00:39,090 –> 00:00:42,120
از PGM pi استفاده می کنیم که اساساً
12
00:00:42,120 –> 00:00:44,219
مدل های گرافیکی احتمالی است، بنابراین
13
00:00:44,219 –> 00:00:45,750
این یک صفحه مستند برای وب سایت است،
14
00:00:45,750 –> 00:00:49,980
بنابراین بیایید شروع کنیم برنامه را ارتقا دهید، بنابراین ما
15
00:00:49,980 –> 00:00:56,699
از پانداها استفاده می کنیم، همچنین
16
00:00:56,699 –> 00:00:59,399
از URL Lib استفاده می کنیم زیرا
17
00:00:59,399 –> 00:01:02,460
18
00:01:02,460 –> 00:01:04,709
اگر نمی خواهید مجموعه داده ها را از وب سایت واکشی کنید، باید مجموعه داده ها
19
00:01:04,709 –> 00:01:06,530
را از وب سایت واکشی کنیم. شما فقط می توانید استفاده کنید
20
00:01:06,530 –> 00:01:13,979
می دانید Delta برابر است با PD dot خواندن CSV
21
00:01:13,979 –> 00:01:18,390
نام فایل شما بله، اما ما
22
00:01:18,390 –> 00:01:21,659
آن را از URL دریافت می کنیم که احتمالاً
23
00:01:21,659 –> 00:01:23,220
در چند خط در آخر اضافه می کنم تا به شما نشان دهم چگونه
24
00:01:23,220 –> 00:01:24,720
این کار را از فایل CSV انجام دهید. اگر
25
00:01:24,720 –> 00:01:29,369
اتصال به اینترنت وجود ندارد خوب است، بله
26
00:01:29,369 –> 00:01:50,490
اجازه دهید ‘s import است بنابراین ما باید
27
00:01:50,490 –> 00:02:01,430
مدل بیزی شبکه بیزی را وارد کنیم متأسفم،
28
00:02:04,850 –> 00:02:07,850
29
00:02:09,690 –> 00:02:11,830
mordant مشکلی ندارد،
30
00:02:11,830 –> 00:02:15,160
بنابراین برای من این کار خوب است، اما
31
00:02:15,160 –> 00:02:17,880
اگر از آن در نمونه مشتری خود استفاده می کنید
32
00:02:17,880 –> 00:02:19,930
و اگر
33
00:02:19,930 –> 00:02:26,470
PGM pi را نصب نکرده اید، می توانید این کار را با انجام این کار انجام دهید. crisp
34
00:02:26,470 –> 00:02:30,700
install peachy pie مطمئن شوید که یک
35
00:02:30,700 –> 00:02:32,710
باند جلوی این دستور اضافه کنید تا
36
00:02:32,710 –> 00:02:35,770
روی آن قرار
37
00:02:35,770 –> 00:02:38,200
38
00:02:38,200 –> 00:02:39,850
39
00:02:39,850 –> 00:02:42,640
نگیرد.
40
00:02:42,640 –> 00:02:44,410
اگر خطایی ایجاد کند
41
00:02:44,410 –> 00:02:45,910
، احتمالاً آن را برای شما نصب خواهد کرد،
42
00:02:45,910 –> 00:02:48,610
بنابراین اکنون که ما این کار را انجام دادیم،
43
00:02:48,610 –> 00:02:51,520
باید فایل های هدر را ایجاد کنیم،
44
00:02:51,520 –> 00:02:54,640
منظورم عنوان برای قاب داده ما است،
45
00:02:54,640 –> 00:02:57,550
بنابراین اجازه دهید یک لیست باشد، بنابراین یک بار دیگر
46
00:02:57,550 –> 00:02:59,170
اجازه دهید با حرکت برای خواندن مانند
47
00:02:59,170 –> 00:03:00,459
آنچه که داده ها پشتیبانی می
48
00:03:00,459 –> 00:03:03,040
کنند مجموعه داده های بیماری قلبی است، بنابراین 14 ویژگی وجود دارد
49
00:03:03,040 –> 00:03:06,190
و ویژگی 14
50
00:03:06,190 –> 00:03:08,050
ویژگی پیش بینی شده است، بنابراین مانند 13
51
00:03:08,050 –> 00:03:09,760
ویژگی وابسته دیگر وجود دارد که
52
00:03:09,760 –> 00:03:14,080
صفت 14 را پیش بینی می کند و مجموعه داده ها
53
00:03:14,080 –> 00:03:17,530
در اینجا قرار دارد. e در حال استفاده
54
00:03:17,530 –> 00:03:19,660
از فرآیند داده های کلیولند هستند، بنابراین این داده
55
00:03:19,660 –> 00:03:21,250
ها هستند، بنابراین این ویژگی ها هستند، بنابراین
56
00:03:21,250 –> 00:03:23,410
این سن این شش سال است و این
57
00:03:23,410 –> 00:03:26,739
داده های خروجی است، بنابراین ما مجموعه داده های خود را ارسال
58
00:03:26,739 –> 00:03:29,110
کرده ایم که باید از آنها استفاده
59
00:03:29,110 –> 00:03:32,440
کنیم. اینجا را انجام دهید من به نام 14 متغیر نیاز دارم،
60
00:03:32,440 –> 00:03:35,650
بنابراین شما می توانید هر چیزی داشته باشید، بنابراین اسامی
61
00:03:35,650 –> 00:03:40,570
برابر با لیستی از شما است که یک کاما B را می شناسید،
62
00:03:40,570 –> 00:03:43,000
بنابراین اجازه دهید این کار را به این صورت انجام
63
00:03:43,000 –> 00:04:01,900
دهم، بنابراین بیایید آن را یک رشته درست کنیم، K 13 باشد و
64
00:04:01,900 –> 00:04:05,829
سپس ما نتیجه، بنابراین من فقط
65
00:04:05,829 –> 00:04:08,910
میخواهم [موسیقی] را تقسیم کنم،
66
00:04:11,190 –> 00:04:14,340
67
00:04:17,260 –> 00:04:21,920
اجازه دهید نامهای نگهدارنده را ببینیم، بنابراین
68
00:04:21,920 –> 00:04:24,350
اگر میخواهید
69
00:04:24,350 –> 00:04:28,160
ابتدا به این روش تایپ کنید، اگر
70
00:04:28,160 –> 00:04:29,900
میخواهید آن را به عنوان لیستی معرفی
71
00:04:29,900 –> 00:04:33,070
کنید که خوب است، اساساً به هیچ نامی نیاز نیست. تایپ کردن Okay برای من آسان تر است،
72
00:04:33,070 –> 00:04:39,920
بنابراین فقط کاما است، بنابراین خوب است،
73
00:04:39,920 –> 00:04:42,740
بنابراین ما به من اجازه می دهیم فقط مطمئن شوم که
74
00:04:42,740 –> 00:04:46,190
چند متغیر داریم تا زمانی که 12 است،
75
00:04:46,190 –> 00:04:58,850
ما به 14 ABCD efg hijk نیاز داریم، بنابراین اکنون به
76
00:04:58,850 –> 00:05:01,580
اندازه کافی متغیر داریم که
77
00:05:01,580 –> 00:05:05,270
متغیرهای کافی داریم. قاب داده ما را ایجاد می
78
00:05:05,270 –> 00:05:10,490
کند تا قاب داده
79
00:05:10,490 –> 00:05:40,460
برابر با داده و نام های tha باشد t
80
00:05:40,460 –> 00:05:49,870
سرصفحه going to be names see است که
81
00:05:54,730 –> 00:05:58,700
درست کار می کند، بنابراین اکنون می بینید که این
82
00:05:58,700 –> 00:06:02,090
نام های ویژگی هستند و اینها داده
83
00:06:02,090 –> 00:06:05,840
هایی هستند که چارچوب داده دارد، دلیل آن ممکن
84
00:06:05,840 –> 00:06:07,580
است سوار شدن به این دلیل است که اگر این را
85
00:06:07,580 –> 00:06:10,130
اضافه نکنید، ردیف اول به عنوان قاب داده تبدیل می شود،
86
00:06:10,130 –> 00:06:12,290
بنابراین شما
87
00:06:12,290 –> 00:06:15,919
چیزی شبیه به این را دریافت خواهید کرد، بنابراین این به عنوان یک عنوان تبدیل می شود،
88
00:06:15,919 –> 00:06:17,419
بنابراین برای جلوگیری از آن و
89
00:06:17