Data Normalization
نمایش یک نتیجه
شناسه محصول: mlgbas2 دسته: یادگیری عمیق, یادگیری ماشین machine learning برچسب: Accuracy, AUC, Classification Evaluation, Confusion Chart, Confusion Matrix, Cross Validation, crossval, Data Cleaning, Data Normalization, Data Preprocessing, Data Smoothing, Excel در متلب, False Negative, False Negative Rate, False Positive, False Positive Rate, Grouped Data, Import Excel MATLAB, K-Fold, K-Fold Cross Validation, Machine learning, MAD, MATLAB Data Preprocessing, MATLAB Machine Learning, Median Absolute Deviation, Missing Data, Missing Values, Model Evaluation, Moving Average, Moving Median, NaN, Negative Predictive Value, Normalize MATLAB, Outlier, Outliers, Positive Predictive Value, Precision, Recall, Rescale, ROC Curve, Scatter plot, Sensitivity, Specificity, splitapply, Statistics Toolbox, True Negative, True Positive, Z-Score, آماده سازی داده, آمار در متلب, آموزش MATLAB, آموزش پیش پردازش داده, آموزش جامع یادگیری ماشین, آموزش یادگیری ماشین, ارزیابی مدل دسته بندی, ارزیابی مدل یادگیری ماشین, اعتبارسنجی متقابل, پاکسازی داده, پردازش داده, پیش پردازش داده, پیش پردازش داده در متلب, تحلیل داده, تشخیص داده پرت, تقسیم داده بر اساس گروه, جایگزینی داده پرت, جایگزینی داده های Missing, جعبه ابزار آمار متلب, حذف داده پرت, حذف داده های Missing, خواندن فایل اکسل در متلب, داده های Missing, داده های ورودی, دیتاست های متلب, رسم داده های گروه بندی شده, شناسایی Outlier, گروه بندی داده ها, ماتریس درهم ریختگی, ماتریس گروه, متغیرهای گروهی, مدیریت داده های گمشده, معیارهای آماری, معیارهای ارزیابی مدل, مقایسه مدل های یادگیری ماشین, میانگین حرکتی, میانه حرکتی, نرمال سازی داده, نمودار ROC, نمودار پراکندگی, هموارسازی داده, یادگیری ماشین, یادگیری ماشین با متلب