iT邦幫忙

機器學習相關文章
共有 366 則文章
鐵人賽 AI & Data DAY 20

技術 Day20 決策樹(Decision Tree)(2)--修剪(Pruning)與分類樹(Classification Tree)

前言 昨天的內容提到針對迴歸的問題如何建立決策樹模型,可以針對訓練集的資料有一個好的預測,但是以昨天提到的方式建立一個完美的決策樹模型後,會使得整棵樹的分支很多...

鐵人賽 AI & Data DAY 19

技術 Day19 決策樹(Decision Tree)(1)--迴歸樹(Regression Tree)

前言與介紹 決策樹(Decision tree)在機器學習中是一種容易理解但強大的演算法,可以用來處理分類以及迴歸的問題(Classification and...

鐵人賽 AI & Data DAY 15

技術 〔Day15〕數據也可以降維?-MDS

今天又是科普日~偷偷預告大家一下,科普篇剩不多惹,如果你是喜歡被科普的人,得好好珍惜剩下的幾篇啦,但若你是不喜歡的,那我也恭喜你快撐過去啦,剩沒幾篇,接下來幾乎...

鐵人賽 AI & Data DAY 18

技術 Day18 重新抽樣方法(Resampling Methods)與Python

前言 重新抽樣(Resampling)的方法在機器學習或深度學習領域是一個非常重要工具,由訓練集(trainning set)中重新抽樣獲得樣本,在每個樣本上建...

鐵人賽 AI & Data DAY 14

技術 〔Day14〕機器學習的模型評估-Logistic Regression、Random Forest、Tree

終於到了實作天,今天將會教導大家如何評估模型,準備好我們就開始囉~ 匯檔、建模型 這次我們將用回鳶尾花數據集來呈現,匯入File後,先用個簡單的分類方法訓練模型...

鐵人賽 AI & Data DAY 13

技術 〔Day13〕隨機森林(Random Forest)的概念

於上篇實作完之後,大家是否對於自己的操作上更進一步了呢,今天我們要來繼續為大家增加小知識,希望在操作上能得心應手外,還能在道理上融會貫通,一同更上一層樓!那就開...

鐵人賽 AI & Data DAY 17

技術 Day17 分類(Classification)(5)-- Python建立線性判別分析(LDA)模型

載入套件 import pandas as pd from sklearn.model_selection import train_test_split fr...

鐵人賽 AI & Data DAY 16

技術 Day16 分類(Classification)(4)-- 線性判別分析( Linear Discriminant Analysis)

前言與介紹 在分類問題中除了邏輯斯迴歸模型外,還有另一種常用的方法為線性判別分析(Linear discriminant analysis, LDA),主要概念...

鐵人賽 AI & Data DAY 12

技術 〔Day12〕來做個小預測吧-Tree、Logistic Regression

經過了前兩天補充的小知識,今天我們就來用Orange做個預測看看唄! 匯入檔案&檢查 這次用到的數據是水果與蔬菜的訓練集,需要的人可以直接點擊超連結進入...

鐵人賽 AI & Data DAY 11

技術 〔Day11〕什麼是邏輯迴歸(Logistic Regression)?

經過了上一篇了解了Tree,今天我們要再來繼續科普啦~ 邏輯迴歸(Logistic Regression) 為一種統計分析方法,它會根據數據集的先前觀察,來預...

鐵人賽 AI & Data DAY 12

技術 Day 11. 機器學習模型 - 評價模型

模型學習完成之後,怎麼驗證模型學習的效果好不好,預測準不準確,就是今天要講的模型的評價方法。 交叉驗證(Cross validation) 監督式學習需要有資料...

鐵人賽 AI & Data DAY 15

技術 Day15 分類(Classification)(3)-- Python建立邏輯斯迴歸模型

載入套件 import pandas as pd from sklearn.model_selection import train_test_split fr...

鐵人賽 AI & Data DAY 10

技術 〔Day10〕分類樹(Classification Tree) vs 迴歸樹(Regression Tree)

大家好,來到我們第十天嚕~今天我們要來談談Tree,因為在後續的實作都會應用到,所以再來繼續科普一下大家,在我們了解分類和迴歸之前,先來初步了解決策樹吧! 決策...

鐵人賽 AI & Data DAY 14

技術 Day14 分類(Classification)(2)-- 邏輯斯迴歸模型(Logistic Regression)

前言與介紹 在機器學習中常常用來處理分類問題的方法之一為邏輯斯迴歸模型(Logistic regression),與線性迴歸模型不同的是邏輯斯迴歸模型是直接針對...

鐵人賽 AI & Data DAY 11

技術 Day 10. 機器學習模型 - 強化學習

監督和非監督式學習使用了所有的資料來學習進行預測,但是在強化學習中,並非所有資料從一開始就看得見,而是透過摸索的形式和環境互動取得經驗,從錯誤中學習找到一個長期...

鐵人賽 AI & Data DAY 10

技術 Day 9. 機器學習模型 - 非監督式學習

非監督式的學習,資料上沒有標籤,也就是沒有答案,很適合還不知道要找出什麼問題,透過聚類來看出資料的相關性,比如說 Netflix 的客戶觀看影片傾向。或是找出異...

鐵人賽 AI & Data DAY 13

技術 Day13 分類(Classification)(1)-- 以線性迴歸模型處理分類問題?

前言 在機器學習中,常常把監督式學習根據反應變數是連續資料或類別資料,分為迴歸(Regression)與分類(Classification)兩大類,那麼如果利用...

鐵人賽 AI & Data DAY 8

技術 〔Day8〕淺談階層式分群法(Hierarchical Clustering)

為了因應明天會用到的組件,所以先來科普一下大家拉~ 階層式分群法(Hierarchical Clustering) 它是透過階層架構的方式,將資料一層層地反覆...

鐵人賽 AI & Data DAY 9

技術 Day 8. 機器學習模型 - 監督式學習(二)

決策樹(Decision Tree) 根據過去的資料來預測決策的樹狀圖,因為決策過程被視覺化,常被用來解釋決策的原因。 比如說租屋公司想要靠過去的資料預測怎樣的...

鐵人賽 AI & Data DAY 12

技術 Day12 K-近鄰演算法(K Nearest Neighbors, KNN)-- Python建立模型

前言 今天將以Python建立KNN的模型,包含如何選擇一個適當的K值。以iris為例,將屬種(Species)當成反應變數或outcome,共有三類,以KNN...

鐵人賽 AI & Data DAY 8

技術 Day 7. 機器學習模型 - 監督式學習(一)

講解完基本知識之後,開始介紹具體模型的部分,搭配範例可以更有感覺的知道實際上 AI 是怎麼做預測的。 接下來的範例,資料有的是機器學習用的公開資料,有的是為了方...

鐵人賽 AI & Data DAY 11

技術 Day11 K-近鄰演算法(K Nearest Neighbors, KNN)--模型介紹

前言與介紹 K-近鄰演算法(K-Nearest Neighbors),簡稱KNN,屬於機器學習中監督式學習(supervised learning)的無母數方法...

鐵人賽 AI & Data DAY 8

技術 【Day 8】支持向量機實作 Support vector machine implementation

今日大綱 資料集 Loss function 程式碼 資料集 今天我所使用的資料集為UCI所提供的,其目的預測鈔票的真假。四個獨立變數皆為影像相關的變異數、...

鐵人賽 AI & Data DAY 7

達標好文 技術 Day 6. 機器學習模型 - 學習的種類

當我們了解了 AI 的各種手法,就可以知道哪些想法在 AI 技術上是可行的,也能針對我們的目標知道需要什麼資料和要使用什麼演算法來建立模型(Model)。 資...

鐵人賽 AI & Data DAY 10

技術 Day10 線性迴歸Linear Regression(5)--Python建立線性迴歸模型

載入套件 import numpy as np import matplotlib.pyplot as plt import seaborn as sns fr...

鐵人賽 AI & Data DAY 7

技術 【Day 7】支持向量機 Support vector machine

今日大綱 什麼是支持向量機? 支持向量機種類 支持向量機特點 什麼是支持向量機? 支持向量機可以處理迴歸與分類的問題,其目標為最大化間距 (Margin)。...

鐵人賽 AI & Data DAY 6

技術 Day 5. AI 趨勢 - 機器學習和深度學習

網路時代的來臨,一直默默耕耘的機器學習終於站上了舞台。隨之而來的深度學習以石破天驚的技術力展現在人們的眼前。 終於輪到重頭戲的部分。從今天開始正式邁入機器學習相...

鐵人賽 AI & Data DAY 9

技術 Day9 線性迴歸Linear Regression(4)--幾個常見的潛在問題

前言 資料利用線性迴歸建構模型之後,因為每筆資料特性的不同,可能會有許多問題出現,今天的內容將提到幾個在線性迴歸模型建模後常見的問題。 常見的問題 反應變數...

鐵人賽 AI & Data DAY 6

技術 【Day 6】邏輯斯迴歸實作 Logistic regression Implementation

今日大綱 資料集 評估指標 程式碼 資料集 邏輯斯迴歸實作我以常見的鳶尾花(Iris)資料集當作範例,在機器學習開源資料集網站UCI,或是sklearn l...

鐵人賽 AI & Data DAY 8

技術 Day8 線性迴歸Linear Regression(3)--正規化迴歸(Regularized Regression)

前言 在多元迴歸模型中,我們常常關心是否全部的解釋變數都可以幫助預測反應變數,或是只有部分的解釋變數有用?昨天的內容提到可以解決這類問題常見的方法有子集選取法(...