系列文章
DAY 2
02 線性迴歸 -- 迴歸問題中的線性模型
這個模型大概已經被人講過很多次，講到都快要爛掉了XD 其實我自己在兩年前的鐵人賽中也有講過同一個模型，所以我就不用講太多基礎的部份： [Day 02] 解構...
DAY 3
03 從線性迴歸到感知器
感知器（perceptron）是在 1957 年就被發明出來的的模型，對電腦的發展或是人工智慧來說都是非常早期的。 感知器模型他是一個二元分類的分類器，他解的是...
DAY 4
04 從感知器到 maximum-margin classifier
上次我們完成了感知器的介紹，感知器也有他相對應的學習演算法：perceptron learning algorithm (PLA)。 不過我們今天沒有要講 PL...
DAY 5
05 從 maximum-margin classifier 到 kernel SVM
注意：整篇文章極度數學高能！！ 沒有把前一篇文章看完的朋友別擔心，我們會在開頭先回顧一下。在一番數學技巧的替換過後，我們的 maximum-margin cla...
DAY 6
06 從 hard-margin SVM 到 soft-margin SVM
從前面的 kernel SVM 當中我們已經獲得了很強大的模型，可是他還是會有不足之處，像是當資料有雜訊的時候就容易將每個資料點都個別分開。 有時候我們反而希望...
DAY 8
08 l2-regularized 線性模型
我們來回顧一下 SVM 模型。 他可以被進一步轉成 在 SVM 的陳述當中，有沒有發現 這部份看起來跟 regularization 一樣。後半部份...
DAY 9
09 從線性迴歸到羅吉斯迴歸
我們從前面的模型演化可以了解一個機器學習模型可以怎麼樣衍生出其他的變體來解決問題。 現在我們要切換到另外一條跑道上，我們一樣是從線性迴歸模型出發，我們或許可以換...
DAY 10
10 從線性迴歸到 Poisson 迴歸
上次我們講完了線性迴歸跟羅吉斯迴歸的差異。 可是並不是每一種資料都是連續型的或是類別型的。 這次要來介紹 Poisson 迴歸，當你要預測的是計數型資料（cou...