Ji bo dîtina danûstendina Irisê ku di nimûneyê de hatî bikar anîn, meriv dikare bi navgîniya Depoya Fêrbûna Makîneya UCI-yê bigihîje wê. Danûstendina Iris di warê fêrbûna makîneyê de ji bo karên dabeşkirinê danehevek bi gelemperî tête bikar anîn, nemaze di warên perwerdehiyê de ji ber sadebûn û bandorkeriya wê di nîşandana algorîtmayên cihêreng ên fêrbûna makîneyê de.
Depoya Fêrbûna Makîneyê ya UCI di civata fêrbûna makîneyê de çavkaniyek berfireh e ku ji bo mebestên lêkolîn û perwerdehiyê mazûvaniya daneyên cûrbecûr dike. Danûstendina Iris yek ji berhevokên li ser depoya UCI-yê peyda dibe û ji bo karanîna di projeyên fêrbûna makîneya we de bi hêsanî tê gihîştin.
Ji bo wergirtina databasa Iris ji Depoya Fêrbûna Makîneya UCI meriv dikare van gavan bişopîne:
1. Serdana malpera Depoya Fêrbûna Makîneyê ya UCI bikin li https://archive.ics.uci.edu/ml/index.php.
2. Li ser malperê biçin beşa "Datasets".
3. Bi gera danehevên berdest an jî bi karanîna fonksiyona lêgerînê ya li ser malperê li daneyên Iris bigerin.
4. Di formatek ku bi hawîrdora fêrbûna makîneya hatî bikar anîn re hevaheng e dakêşin. Danûstendin bi gelemperî di formatek CSV (Nirxên Veqetandî-Pirûskî) de heye, ku dikare bi hêsanî di nav amûrên mîna pirtûkxaneya pandayên Python de ji bo manîpulasyon û analîzkirina daneyan were şandin.
Wekî din, mirov dikare rasterast bi navgîniya pirtûkxaneyên fêrbûna makîneya populer ên wekî scikit-learn-ê di Python de rasterast bigihîje daneheva Iris. Scikit-learn fonksiyonên çêkirî peyda dike da ku databasa Iris bar bike, û ji bo bikarhêneran hêsan dike ku bigihîjin danehevê bêyî ku ew ji hev cuda dakêşin.
Li jêr mînakek kodek li Python-ê ye ku bi karanîna scikit-learn-ê ji bo barkirina daneya Iris bikar tîne:
python from sklearn.datasets import load_iris # Load the Iris dataset iris = load_iris() # Access the features and target labels X = iris.data y = iris.target # Print the shape of the dataset print("Shape of the Iris dataset:", X.shape)
Bi xebitandina perçeya kodê ya jor, meriv dikare daneyên Iris rasterast bi karanîna scikit-learn-ê li hawîrdora Python bar bike û ji bo hin destan li ser karên fêrbûna makîneyê dest bi xebatê bike.
Pirs û bersivên din ên vê dawiyê di derbarê EITC/AI/GCML Fêrbûna Makîna Ewr a Google:
- Nivîsar bi axaftinê (TTS) çi ye û ew çawa bi AI-ê re dixebite?
- Di fêrbûna makîneyê de di xebata bi daneyên mezin de çi sînor hene?
- Ma fêrbûna makîneyê dikare hin arîkariya diyalogê bike?
- Qada lîstikê ya TensorFlow çi ye?
- Di rastiyê de danûstendinek mezintir tê çi wateyê?
- Hin mînakên hîperparametreyên algorîtmê çi ne?
- Fêrbûna ensambleyê çi ye?
- Ger algorîtmayek fêrbûna makîneya bijartî ne guncan be û meriv çawa dikare piştrast bike ku ya rast hilbijêrin?
- Ma modelek fêrbûna makîneyê di dema perwerdehiya xwe de hewceyê çavdêriyê ye?
- Parametreyên sereke yên ku di algorîtmayên bingeha tora neuralî de têne bikar anîn çi ne?
Pirs û bersivan bêtir li EITC/AI/GCML Fêrbûna Makîneya Cloud Google-ê bibînin