系列文章
[Day 8.5] 時間都去哪了？資料前處理：客製化你的專屬函式－function
一個大糟糕，突然發現排schedule的時候沒有排到要教function怎麼用。但是這個東西又非常之方便，不講一下真的不行，所以只好來個第8.5天幫自己加班...
[Day 11] 時間都去哪了？資料前處理：聽懂進階人話的關鍵－詞性標註
大家早安，不知知覺竟然已經完成鐵人賽的三分之一，真的是太快了。快到我的存稿都沒了從今天開始大概率每天都是最新鮮的文章了XDD 希望我可以順利完成。 回到...
[Day 12] 時間都去哪了？資料前處理：抓住那個欠錢不還的傢伙－詞性標註之HMM的應用
早安大家，昨天講解了詞性標註在NLP領域的重要性跟怎麼實作之後，今天要介紹詞性標註背後的隱藏式馬可夫模型（HMM）到底是運用什麼原理在運算。應該會是這個系列...
[Day 13] 資料視覺化實作：把斷詞結果變成比文字雲更酷炫的文字狗跟文字小新
早安各位，今天是還債日。之前在講斷詞斷句的時候有提到要出一個文字雲教學，但是因為時間安排的關係就被移到今天了。廢話不多說，大家應該都看過文字雲吧？就是下面那...
[Day 14] 機器學習常用特徵：超級變變變 －BOW 詞袋模型
諸位早安，我們終於結束漫長的資料前處理教學了。之前在講前處理的過程中，我一直提到電腦很笨，只認得數字的事情，大家應該還記得吧。問題來了，我們到底要怎麼把文字...
[Day 15] 機器學習常用特徵：詞頻的皇親國戚－N-Gram & TF-IDF
哈囉～雖然資料前處理的階段已經結束了，產出今天要介紹的各位皇親國戚應該還算是在前處理的範圍內，畢竟特徵萃取不太能算在模型訓練的一環，好吧反正他們就是地位尷尬...
[Day 16] 監督式機器學習模型：他是騙砲仔還是你的真愛？－單純貝式分類器（Naive Bayes）
哈囉大家，今天終於要正式進入模型訓練的階段了，真是可喜可賀，可喜可賀。雖然現在各種fancy的深度學習模型都非常強大，也能達到比機器學習還要好很多的成效，但...
[Day 17] 監督式機器學習模型：傻白甜女主與她的包包－實作單純貝式分類器（Naive Bayes）與詞袋模型（Bag of Words）
午安～昨天介紹了貝式分類器的原理之後，今天就要在python裡面實際操作一次看看，也順便把之前還沒講解怎麼實作的詞袋模型當成特徵一起示範。事不宜遲我們馬上開...
[Day 24] 監督式機器學習模型：不需要100分也可以騎上獨角獸－決策樹（Decision Tree）與隨機森林（Random Forest）
大家午安～今天要跟大家介紹這個系列的最後兩種監督是機器學習模型－決策樹（Decision Tree）跟隨機森林（Random Forest）。不知道大家還記...
[Day 18] 監督式機器學習模型：身世之謎與自我追尋－羅吉斯迴歸（Logistic Regression）
大家早安，今天要帶大家認識第二個監督式機器學習的經典模型－羅吉斯迴歸（Logistic Regression）。雖然羅吉斯迴歸叫做羅吉斯迴歸，但他其實不是迴...