iT邦幫忙

第 11 屆 iThome 鐵人賽

DAY 8
0

第八天了~~~ 就持續下去吧~~

昨天講了一下機器學習的大概,今天來講講Regression and Classification吧

Regression代表的是"回歸",你猜的沒有錯,就是標準曲線然後有個相關係數的那個

這就是最簡單的機器學習了(至少你學會一樣)

簡單的來說就是你將數字帶入這個回歸線的方程式內,方程式會給你一個"預測"答案

(機器學習都是預測,沒有一定)

https://ithelp.ithome.com.tw/upload/images/20190909/20120126rdNO38FKAk.png

Classification顧名思義就是分類,甚麼意思?

https://ithelp.ithome.com.tw/upload/images/20190909/20120126pl3oBXTsOH.png

假如我有垃圾信件(spam)和還有正常的信件,那我可以藉由機器學習的方式來進行區分出來,哪些下去,哪些不要下去這樣,但這邊幾乎就是二分法,此外也依賴的歷史數據(例如:訂閱特價多少...這類的),所以屬於監督式學習。

另外說道二分法就不得不提Perceptron感知器還有神經網絡了。這些是甚麼東西?

先來說說神經網絡

https://ithelp.ithome.com.tw/upload/images/20190909/20120126FpoqW4wii3.png

小時候適不是有學過神經衝動之類的,神經元呀...等

就是要超過有一定的值,我們稱為threshold,超過這個神經才會有反應

那我們來用數學模擬這個

https://ithelp.ithome.com.tw/upload/images/20190909/201201265DPJQxnSs4.png

這個w代表是參數,為何要增加參數,痾...簡單的來說就是為了更精確地去分辨

參數越高,代表這個特徵越重要。(例如美麗跟眼睛大有很大的關係,但有沒有我不知道)

接著將所有特徵都放入後產生的值若大於一定的話,就會發生反映這樣

再來提提Perceptron

Perceptron就是機器會依照不同的權重去調整參數,以便完美的分開值(分類)

簡單來說這是一種分類的方式。

今天先這樣。

https://ithelp.ithome.com.tw/upload/images/20190909/20120126ZpRbT9zRkE.jpg

參考資料:

https://developers.google.com/machine-learning/guides/text-classification/

google cousera課程

http://qingkaikong.blogspot.com/2016/11/machine-learning-5-artificial-neural.html


上一篇
Day7 machine learning 7
下一篇
Day9 machine learning
系列文
非本科生的機器學習之旅25
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言