系列文章
[Day 19] 監督式機器學習模型：誰芭比Q了嗎？－實作羅吉斯迴歸（Logistic Regression） & TF-IDF
大家午安，昨天介紹過羅吉斯迴歸的原理之後，今天要帶大家實作羅吉斯迴歸的模型，任務是要偵測推特上的貼文是否有憂鬱傾向。在NLP的領域裡面，我們把這種分析文本情...
[Day 20] 監督式機器學習模型：找那個逃跑空間最大的地方龜就對了！－支持向量機（Support Vector Machine）
大家早安！歷經了四天針對經典監督式機器學習模型的了解，我們也算是小～小～的踏進NLP世界裡了。如果把這比喻成FPS（第一人稱射擊遊戲）的話，大概就是開局撿完...
[Day 21] 監督式機器學習模型：掌握賺大錢的關鍵－實作SVM & 文本情感分析（Sentiment Analysis）
午安各位～昨天講解完支持向量機（Support Vector Machine）的原理之後，今天要用推特上面對不同產品的評價來進行文本情感分析。會需要做這件事...
[Day 22] 機器學習好朋友：到底誰是模型的真朋友？－ 特徵重要性（Feature Importance）
大家早安，昨天示範了國民好兄弟SVM實作跟比較進階的文本情感分析方式。但是做出來的時候結果不是很好，所以我在文章結束的時候留了一個懸念（其實就是我太懶而已）...
[Day 23] 機器學習好朋友：驚不驚喜？意不意外？－資訊熵（Entropy）與NLP
大家午安～講了那麼多天模型訓練，想必大家應該都有點膩了吧？今天就來點不一樣的（其實是為了明天鋪路）。在之前的文章裡面，我們提到很多計算詞頻的方法跟變體，但是...
[Day 25] 監督式機器學習模型：踏出環保第一步－實作決策樹（Decision Tree）與隨機森林（Random Forest）
午安各位！昨天介紹過決策樹跟隨機森林的原理之後，今天我們要來實做這兩個模型。因為昨天有提到這兩種模型可以做不只兩種類別的分類，所以今天我們就跟上次一樣用，用...
[Day 26] 漩渦鳴人與影分身之術－神經網路（Neural Network）與深度學習（Deep Learning）
大家午安～本系列文章終於進入最後五天，我們也終於要開始認識現在最流行的機器學習方式－深度學習了。本來是計畫可以連實作一起分享的，但光是概念理解就已經夠要命了...
[Day 28] 深度學習模型：該長點記性了吧－循環神經網路（RNN）
大家晚安～今天要繼續講解深度學習在NLP領域的應用。開始之前讓我們先再次呼喚最default的神經網路模型出來： 這是最經典簡單的深度神經網路模型，我...
[Day 27] 深度學習模型：文字向量的減肥之路－word2vec
經歷昨天對神經網路跟深度學習的講解，不知道大家還好嗎？今天要順著上一篇的內容來講講深度學習可以怎麼應用在NLP上面。 當初在介紹詞袋模型的時候，我們提到...
[Day 29] 深度學習模型：會忘記東西的才叫人吧－長短期記憶（LSTM）
大家午安～昨天講解RNN的時候提到RNN的缺點就是容易產生梯度消失或梯度爆炸的問題，所以今天要介紹為了解決這兩個問題而產生的RNN變體－長短期記憶（Long...