iT邦幫忙

第 11 屆 iThome 鐵人賽

DAY 18
0

前言

今天沒有前言,速戰速決系列


1.結構化資料和非結構化資料

開始之前要來說說結構化資料和非結構化資料的不同
結構化資料就是我們平常在椅子上面看到有欄有列的表格這些都算結構化資料
非結構化資料 像是圖片音樂影片 這些無法直接分析的數據我們都成為非結構化資料

看下圖 我們要來預測嬰兒什麼時候會出生
我們預測的目標是嬰兒出生的時間
我們的數據可以是媽媽的年齡體重的變化
因為嬰兒出生的時間是連續值 所以這是個回歸問題(regression problem)
https://ithelp.ithome.com.tw/upload/images/20191004/201200933TfznDvhea.png
結構化資料相對來說真的比非結構資料來的好處理得多 也比較容易預測

再來
第二個例子
我們要預測嬰兒的體重 因為嬰兒的體重可以衡量這個嬰兒是否健康
所以我們要預測嬰兒的體重 那因為嬰兒的體重是一個連續值 所以這是回歸問題
https://ithelp.ithome.com.tw/upload/images/20191004/20120093Sr7CaqixZd.png


參考資料

Google ML 課程

結語和一些小心得

西西酥酥,酥酥西西,業多人稠,人多頁愁
好累

如果圖片侵權通知我,我會將圖片刪除


上一篇
[Day 13] Google ML 1-5 Pre-trained ML APIs Google常見的幾種API介紹
下一篇
[Day 19] Google ML 2-2 How To Optimize ML Models
系列文
Google Developers Machine Learning與一名平凡高二生的初心者體驗日記-遊走在成功與失敗之間的超級英雄14
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