دانلود پروژه آماده داده کاوی با پایتون ( پیاده سازی الگوریتم یادگیری ماشین با پایتون) – پروژه دسته بندی دودویی الگوریتم یادگیری جمعی گرادیان تقویتی Gradient Boosting

این محصول بصورت کامل و بدون قفل بوده و می توانید آن را شخصی سازی کرده و از آن جهت ارائه و پروژه دانشجویی بهره بگیرید.

موضوع پروژه آماده داده کاوی با پایتون :

ساخت یک مدل دسته بندی دودویی ، جهت تشخیص خوش خیم یا بدخیم بودن سرطان سینه با توجه به عکس های پزشکی اسکن شده ، با استفاده از الگوریتم یادگیری جمعی بنام “گرادیان تقویتی” یا “Gradient Boosting” ، می باشد.

Binary Classification on Breast Cancer Dataset with Python

پروژه دسته بندی دودویی الگوریتم یادگیری جمعی گرادیان تقویتی Gradient (( Boosting  با پایتون )) دارای چه فایل هایی است؟

پس از تهیه محصول، در همان لحظه و بصورت اتوماتیک لینک دانلود یک فایل زیپ در اختیار شما قرار خواهد گرفت. پس از دانلود و استخراج فایل زیپ، تعدادی فایل با پسوندهای مختلف در اختیار خواهید داشت که توضیحات مختصری در مورد این فایل ها خدمت تان ارائه می کنیم.

• فایل ورد – word که شامل تمامی توضیحات مربوط به ارائه درس و همچنین تصاویر و گزارشات مربوطه است.
• فایل پی دی اف – pdf که تبدیل فایل ورد می باشد.
• فایل پاورپوینت – PowerPoint که شامل عناوین کلیدی و تصاویر و کدهای پایتون می باشد.
• پاورپوینت تصویری – PowerPoint که تبدیل پاورپوینت  به جهت جلوگیری از به هم خوردن قالب می باشد.
• فایل پی دی اف – pdf که تبدیل فایل پاورپوینت می باشد.
• فایل پایتون با ژوپیتر نوت بوک – Jupiter Note Book که شامل تمامی کدهای پروژه می باشد.

توضیحاتی در مورد فایل ورد-word

توجه : متون زیر خلاصه ای ناقص از فایل ورد word و صرفا جهت آشنایی با پروژه می باشد. 

ایده ی الگوریتم گرادیان تقویتی از یادگیری جمعی (Ensemble Learning ) می آید. در واقع در یادگیری جمعی چندین یادگیر ضعیف با یکدیگر ترکیب شده و یک یادگیر قوی بوجود می آید.

فرض بر این است یک پایگاه داده در ابتدا وجود دارد که قرار است از آن جهت آموزش یادگیرها استفاده شود ، از طرفی نیز چندین یادگیر ضعیف وجود دارد ، توزیع این داده ها برای هر یادگیر با روش های مختلفی انجام می شود ، که سه مورد از آنها به این نام می باشد :

[ Bagging ] , [ Boosting ] , [ Voting ]

در روش Bagging توزیع داده ها برای هر یادگیر بصورت تصادفی انجام می شود. باید توجه داشت که این داده منتخب هم اندازه با پایگاه داده اولیه بوده و دارای خاصیت تکراری نیز می باشد. در روش Boosting ضرایبی برای داده ها در نظر گرفته می شود. در واقع داده ها که وارد اولین یادگیر می شوند آموزش می بینند و به سمت یادگیر دوم می روند ، قبل از آغاز آموزش یادگیر دوم ، از نتایج بدست آمده از آموزش یادگیر اول ، وزن هر ویژگی متناسب با نحوه آموزش آن تغییر می کند.

دانلود پروژه آماده داده کاوی

برای مثال داده هایی که اشتباه آموزش دیده اند و یا سخت آموزش می بینند ، ضرایب بیشتری را دریافت و مابقی ضرایب کمتری دریافت می کنند. این مکانیزم به همین صورت ادامه پیدا می کند تا تمامی یادگیر ها آموزش ببینند.

در واقع این یک مکانیزم زنجیروار محسوب می شود ، زیرا هر یادگیری که نوبت آموزش آن رسیده ، از نتایج یادگیر قبلی استفاده می کند.

در شکل فوق مستطیل های سبز ویژگی ها می باشند ، که ضرایب آنها در طول مسیر آموزش دچار تغییر می شوند.

در مرحله از آموزش نیز به هر یک از یادگیرها ضریب آلفا اختصاص می دهیم.

الگوریتم گرادیان تقویتی معمولا برای هر یادگیر از Decision Stump استفاده می کند.

دسته بندی دودویی :

این نوع دسته بندی که فقط از دو برچسب یا لیبل استفاده می کند ، جهت جداسازی دو کلاس متمایز استفاده می شود.

این دو کلاس متمایز می تواند موارد زیر باشد :

• زن یا مرد
• مثبت یا منفی
• خوش خیم یا بدخیم
• سگ یا گربه
• و …….

توضیحات پایگاه داده :

داده هایی که جهت آموزش این مدل مورد استفاده قرار می گیرد ، از پایگاه داده ای بنام

Breast Cancer Wisconsin (Diagnostic) Dataset

می باشد که در بخش جراحی عمومی دانشگاه Wisconsin جمع آوری شده است. این پایگاه داده شامل 569 مورد سرطان سینه ، که دارای 30 ویژگی است می باشد. که از این تعداد 212 مورد ( بدخیم ) و 357 مورد ( خوش خیم ) می باشد.

هر یک از این موارد دارای برچسب ” 0 ” یا ” 1 ” می باشد.

” 0 ” به معنی بدخیم

” 1 ” به معنی خوش خیم

آدرس اینترنتی این پایگاه داد :

https://archive.ics.uci.edu/ml/datasets/Breast+Cancer+Wisconsin+(Diagnostic)

قدم اول پروژه:

در این پروژه از زبان برنامه نویسی پایتون استفاده شده است.

در ابتدا با مراجعه به سایت www.python.org متناسب با سیستم عامل خود ، پکیج مورد نیاز را دریافت و نصب کنید. ( ترجیحا نسخه 3 نصب شود )

سپس CMD یا ترمینال یا باز کرده و با اجرای دستور python –V از نصب پایتون روی سیستم خود مطمئن شوید.

کتابخانه های مورد نیاز به شرح زیر می باشد :

• Numpy
• Pandas
• Matplotlib
• Scikit-Learn
• Jupyter Lab

تمامی پکیج های فوق را با اجرای دستور زیر درCMD ، نصب کنید :

pip install numpy pandas matplotlib scikit-learn jupyterlab

سپس با دستور pip list از نصب آنها مطمئن شوید.

دانلود پروژه آماده داده کاوی

توجه : متون زیر خلاصه ای ناقص از فایل ورد word و صرفا جهت آشنایی با پروژه می باشد. 

قدم دوم پروژه:

با وارد کردن دستور jupyter-lab در ترمینال ، محیط کدنویسی ژوپیتر را اجرا کنید.

پس از ایجاد یک نوت بوک در محیط ژوپیتر ، دستور زیر را جهت اطمینان از نصب کتابخانه ها وارد می کنیم :

در خروجی این دستور اگر شماره نسخه پکیج موردنظر را مشاهده کردید ، کتابخانه به درستی نصب شده است.

برای سایر پکیج ها نیز می توان از دستور فوق استفاده کرد با این تفاوت که بجای sklearn اسم کتابخانه مورد نیاز را وارد کنید.

قدم سوم پروژه:

حالا می توان کدنویسی برنامه را آغاز کرد :

جهت فراخوانی تمامی کتابخانه های موردنیاز از دستور زیر استفاده کنید :

ساختار پایگاه داده ای که فراخوانی کرده ایم ( load_breast_cancer ) بصورت دیکشنری می باشد که شامل 8 کلید و هر کلید شامل مقادیری می باشد.

جهت مشاهده تمامی کلید های موجود در این پایگاه داده دستور زیر را اجرا کنید:

در میان این 8 کلید ، مواردی که مورد استفاده قرار می گیرد بدین شرح می باشد:

” feature_names ” : نام ویژگی های موجود ( 30 ویژگی )

” data ” : اطلاعات درمورد هر یک از موارد سرطانی ( 569 مورد )

” target ” : برچسب هر یک از موارد ( 0 یا 1 )

سپس با اجرای دستورهای زیر ، مقادیر هر یک از این 3 کلید را استخراج کرده و داخل یک متغیر قرار می دهیم:

با استفاده از دستور shape نیز می توان تعداد سطر و ستون هر یک از آنها را مشاهده نمود.

سپس با استفاده از دستور pd.DataFrame یک جدول با چندین سطر و ستون ، جهت نمایش داده ها ایجاد می کنیم.

متغیر X که داده ها را درونش ذخیره کردیم را بعنوان اولین آرگومان وارد دستور فوق می کنیم.

متغیر Col که اسم ویژگی ها را درونش ذخیره کردیم را بعنوان آرگومان columns وارد دستور فوق می کنیم. ( در واقع همان سر ستون های جدول می باشد )

در خط دوم کد بالا ، یک ستون با نام دلخواه ” Label ” به انتهای این جدول اضافه می کنیم که در واقع برچسب هر یک از موارد را نشان می دهد.( 0 یا 1 )

توجه : متون زیر خلاصه ای ناقص از فایل ورد word و صرفا جهت آشنایی با پروژه می باشد. 

سپس با دستور head(5) فقط 5 مورد اول جدول را به نمایش می گذاریم.

دلیل آنکه اندیس 17 داخل df اضافه شده ، شروع نمایش از اندیس هفدهم است.

پنج مورد اول این جدول ، همگی برچسب 0 داشتند.

در واقع اینجا بنده این تغییر را ایجاد نمودم تا برچسب ها ترکیبی از 0 و 1 باشد.

همانطور که مشاهده می کنید ، جدول چاپ شده فقط 5 مورد از موارد سرطانی را نشان می دهد که از اندیس 17 شروع شده و هر مورد دارای 30 ویژگی می باشد.( البته به علت کمبود فضا تعدادی از این ویژگی ها چاپ نشده است )

و البته ستون آخر که برچسب ها هستند را خودمان دستی اضافه کرده بودیم.

در این مرحله با استفاده از دستور .info( ) می توان قالب کلی جدول قبلی را مشاهده نمود :

مشاهده می شود تمامی داده های ذخیره شده در 30 ویژگی ، ساختار اعشاری دارند

اما فقط در ستون آخر که برچسب ها هستند ، داده ها اعداد صحیح می باشند.

سپس با استفاده از scatter که در کتابخانه matplotlib تعبیه شده است ، داده ها را در یک plot رسم کنید :

با اعمال .title نام دلخواهی به پلات اختصاص دهید.

با اعمال .xlabel نام دلخواهی به محور افقی اختصاص دهید.( در اینجا نام ویژگی با اندیس 0 )

با اعمال .ylabel نام دلخواهی به محور عمودی اختصاص دهید.( در اینجا نام ویژگی با اندیس 3 )

با استفاده از دستور .scatter داده های موردنظر را وارد میکنیم.

که در اینجا تمامی 569 داده ی دو ویژگی دلخواه را وارد می کنیم.

آرگومان c را برابر با متغیر Y یعنی برچسب ها ، قرار می دهیم ، به این ترتیب داده های با برچسب 0 رنگ بنفش و داده های با برچسب 1 رنگ زرد به خود می گیرند.

در نهایت با اعمال .show( ) پلات را چاپ کنید.

برای مثال در این پلات چاپ شده ، محور افقی بر حسب ویژگی ” میانگین شعاع ”

و محور عمودی بر حسب ویژگی ” میانگین مساحت” نمایش داده شده است.

نقاط زرد رنگ نمونه های خوش خیم و نقاط بنفش نمونه های بدخیم را نشان می دهد.

برای مثال می توان اندیس ویژگی های دلخواهی را که داشتیم را تغییر داده و پلات جدیدی بر حسب دو ویژگی دیگر را رسم نموند :

با اینکه شکل نمودار تغییر کرده اما همچنان می توان دو دسته بندی خوش خیم و بدخیم را مشاهده نمود.

قدم چهارم پروژه:

در این قسمت ، جهت آموزش مدل به شکل بهتر و جلوگیری از overfit شدن ، داده ها را به دو قسمت Train و Test تقسیم می کنیم :

با استفاده از دستور train_test¬_split ( ) داده ها را به دو دسته تقسیم کنید.

متغیر X یعنی داده ها را بعنوان آرگومان اول و متغیر Y یعنی برچسب ها را بعنوان آرگومان دوم ، درون دستور فوق وارد می کنیم.

آرگومان test_size را برابر عدد 0.3 قرار دهید ، این به آن معناست که از مجموع کل داده ها 30 درصد آن را به داده های آموزش و مابقی را به داده های تست اختصاص می دهد.

آرگومان random_state را برابر با عدد 0 قرار می دهیم ، این به آن معناست که در هربار اجرای این برنامه اعداد یکسان تولید شود و نتیجه یکسان داشته باشد.

دانلود پروژه آماده داده کاوی

با استفاده از دستور shape نیز میتوان تعداد سطر و ستون داده های تقسیم شده را مشاهده نمود.

قدم پنجم پروژه:

در این مرحله با استفاده از دستور GradientBoostingClassifier( ) مدل خود را جهت آموزش بسازید :

سپس با استفاده از دستور get_params( ) می توان آرگومان های ورودی دستور فوق را مشاهده نمود :

مقادیری که مشاهده می کنید هایپر پارامتر ها هستند که به صورت پیش فرض مورد استفاده قرار می گیرد ، جهت ایجاد تغییر در هر یک از آنها می توان اسم پارامتر را با مقدار مدنظر وارد دستور فوق نمود.

برای مثال : GradientBoostingClassifier( max_depth = 4 )

سپس با استفاده از دستور .fit( ) مدل خود را آموزش دهید.

داده های آموزش و برچسب های آموزش را به ترتیب بعنوان آرگومان اول و دوم ، در دستور فوق وارد کنید.

قدم آخر پروژه:

سپس با دستور .score( ) میزان دقت ( Accuracy ) مدل آموزش داده شده را بدست آورید.

داده های تست و برچسب های تست را به ترتیب بعنوان آرگومان اول و دوم ، در دستور فوق وارد کنید.

در خروجی میانگین دقت بیشتر از 97% مشاهده می شود ، این به آن معناست که 171 مورد سرطانی ( داده های تست )را به مدل داده و برای هر یک از آنها یه درصد دقت دریافت می کند و در نهایت میانگین این 171 عدد را در خروجی چاپ می نماید.

سپس با استفاده از دستور .feature_importances_ می توان مشاهده نمود الگوریتم گرادیان تقویتی به هر یک از ویژگی ها چه ضریب اهمیتی اختصاص داده است.

می توان مشاهده نمود در پایان آموزش مدل ، این الگوریتم بیشترین ضریب اهمیت را به ویژگی با اندیس 72 یعنی worst concave points اختصاص داده است.

توجه : متون زیر خلاصه ای ناقص از فایل ورد word و صرفا جهت آشنایی با پروژه می باشد. 

دانلود پروژه آماده داده کاوی با پایتون ( پیاده سازی الگوریتم یادگیری ماشین با پایتون)

توضیحات عمومی پروژه های داده کاوی – ماشین لرنینگ – شبکه های عصبی – هوش مصنوعی با پایتون

در حد امکان سعی شده است اغلب پروژه های آموزشی آماده کامپیوتر دارای فایل راهنما و گزارش کار یا فایل صوتی یا تصویری راهنما باشند تا در درک روند کدنویسی و پیاده سازی پروژه به شما عزیزان کمکی کرده باشند.

تمامی پروژه ها جنبه آموزشی دارند و به منظور در دسترس قرار گرفتن ساده تر اطلاعات جمع آوری شده اند و کمک قابل توجهی به یادگیری و آموزش برنامه ها و نرم افزارهای برنامه نویسی می کنند.

توضیحات پسوندهای موجود در محصول با موضوع دانلود پروژه آماده داده کاوی با پایتون ( پیاده سازی الگوریتم یادگیری ماشین با پایتون)

تصاویر پروژه آماده داده کاوی با پایتون ( پیاده سازی الگوریتم یادگیری ماشین با پایتون) – پروژه دسته بندی دودویی الگوریتم یادگیری جمعی گرادیان تقویتی Gradient Boosting

نمونه تصویری از محیط کدنویسی ویژوال استدیو کد

فایل ورد Word :

احتمالا لازم باشد که شما تغییراتی در این فایل انجام دهید، لذا جهت انجام تغییرات لازم ، می توانید این فایل را ویرایش کرده و بصورت پی دی اف یا پاورپوینت در بیاورید.

در واقع فایل ورد شامل توضیحات کامل پروژه و کدهای پایتون می باشد.

برخی از تصاویر فایل پاورپوینت PowerPoint :

پروژه دسته بندی دودویی الگوریتم یادگیری جمعی گرادیان تقویتی Gradient Boosting ساخت یک مدل دسته بندی دودویی ، جهت تشخیص خوش خیم یا بدخیم بودن سرطان سینه با توجه به عکس های پزشکی اسکن شده ، با استفاده از الگوریتم یادگیری جمعی بنام “گرادیان تقویتی” یا “Gradient Boosting” ، می باشد.

ساخت یک مدل دسته بندی دودویی ، جهت تشخیص خوش خیم یا بدخیم بودن سرطان سینه با توجه به عکس های پزشکی اسکن شده ، با استفاده از الگوریتم یادگیری جمعی بنام “گرادیان تقویتی” یا “Gradient Boosting” ، می باشد.

داده کاوی – ماشین لرنینگ – شبکه های عصبی – هوش مصنوعی با پایتون – ساخت یک مدل دسته بندی دودویی ، جهت تشخیص خوش خیم یا بدخیم بودن سرطان سینه با توجه به عکس های پزشکی اسکن شده ، با استفاده از الگوریتم یادگیری جمعی بنام “گرادیان تقویتی” یا “Gradient Boosting” ، می باشد.

داده کاوی – ماشین لرنینگ – شبکه های عصبی – هوش مصنوعی با پایتون – ساخت یک مدل دسته بندی دودویی ، جهت تشخیص خوش خیم یا بدخیم بودن سرطان سینه با توجه به عکس های پزشکی اسکن شده ، با استفاده از الگوریتم یادگیری جمعی بنام “گرادیان تقویتی” یا “Gradient Boosting” ، می باشد.

داده کاوی – ماشین لرنینگ – شبکه های عصبی – هوش مصنوعی با پایتون

مدل دسته بندی دودویی ، جهت تشخیص خوش خیم یا بدخیم بودن سرطان سینه با توجه به عکس های پزشکی اسکن شده ، با استفاده از الگوریتم یادگیری جمعی بنام “گرادیان تقویتی” یا “Gradient Boosting” ، می باشد.