جلسه ۳ - رگرسیون چندجمله‌ای، تعمیم‌پذیری (Polynomial Regression, Generalization)

جلسه‌ی سوم از دوره‌ی یادگیری ماشین دانشکده مهندسی کامپیوتر دانشگاه صنعتی شریف مدرس: دکتر علی شریفی زارچی، عضو هیات‌علمی گروه هوش‌مصنوعی و بیوانفورماتیک اگر داده‌ها روی یک خط قرار نگیرند، رگرسیون خطی نمی‌تواند مدل مناسبی برای آن باشد. در این جلسه یاد می‌گیریم که چطور از الگوریتم ساده‌ی رگرسیون خطی برای یادگیری مدل‌های چندجمله‌ای استفاده کنیم.هم‌چنین یاد می‌گیریم که یک مدل هوش مصنوعی زمانی سودمند است که علاوه‌ بر تجربیات پیشین و داده‌هایی که در فرایند آموزش آن مورد استفاده قرار گرفته، در مورد سایر داده‌هایی که هرگز ندیده هم قدرت پیش‌بینی خوبی داشته باشد. به این موضوع تعمیم‌پذیری (Generalization) می‌گویند. در این جلسه مفاهیم نظری و عملی مهمی را در مورد تعمیم‌پذیری مدل‌ها مرور می‌کنیم.