實際上在特徵工程(Feature Engineering)的環節,從數據到特徵都是不斷的前處理(Preprocessing) 在做前處理時可以使用Datafl...
前言 今天沒有前言,事不宜遲直接進入主題系列 1.A data strategy 是這樣的 你可以想像ML能夠為你帶來什麼 影片中的Google Map 作為...
前言 這章希望可以加快速度!!!! 主題 2.0 ML Surprise 機器學習的驚喜!?這些課程的名稱都命名的很文藝,讓人無法一眼看穿要講些什麼內容。所謂的...
Facets是一個視覺化資料庫的工具,而在Facets裡可以儲存的資料不僅可以是結構化的資料,也可以是非結構化的資料,在Facets裡,我們甚至可以視覺化圖片資...
來回顧一下就好~~ 基本上整個流程是這樣 找出最佳參數--->評估結果--->神經網路使用 之後可以藉由泛化來避免overfitting的現象...
11天了,快要一半了,加油!! 接下來講講最適化~ 這邊會講到損失函數 機器學習通常用損失函數表示好壞 損失函數的定義就是樣本跑出來與真正值之間的差別,平方是...