دو نوع الگوریتم یادگیری ماشین وجود دارد: نظارت ‌شده و بدون نظارت

1️⃣نظارت شده یا Supervised: الگوریتم‌ یادگیری نظارت ‌شده زمانی استفاده می‌شود که داده ‌ها برچسب‌ گذاری شده ‌اند و دو نوع هم دارد:

➖رگرسیون: زمانی که نیاز به پیش ‌بینی مقادیر پیوسته دارید و متغیر ها به صورت خطی وابسته هستند، الگوریتم‌ های مورد استفاده رگرسیون خطی و چند گانه، درخت تصمیم و جنگل تصادفی خواهند بود.

➖طبقه‌بندی: هنگامی که لازم است مقادیر مطلق را پیش ‌بینی کنید، می ‌توانید از برخی از الگوریتم‌ های طبقه ‌بندی مورد استفاده مثل KNN، رگرسیون لجستیک، SVM و Naïve- Bayes استفاده کنید.

2️⃣بدون نظارت: الگوریتم ‌های یادگیری بدون نظارت زمانی استفاده می ‌شوند که داده ‌ها بدون برچسب هستند و هیچ داده برچسب ‌گذاری‌شده ‌ای برای یادگیری وجود ندارد که دو نوع دارد:

➖خوشه‌بندی: این الگوریتم متد تقسیم اشیایی است که بین شان مشابه و غیر مشابه وجود دارد. معمولا از الگوریتم‌ های خوشه‌ بندی K-Means و PCA استفاده می‌ شود.

➖تجزیه و تحلیل قوانین وابستگی: برای کشف روابط جالب بین متغیر ها، می ‌توان از الگوریتم Apriori و Hidden Markov Model استفاده کرد.

🔵 @DataScience_Function