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...
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...
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...
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...
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...
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...
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...
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...
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...
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、...
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...
載入套件 import numpy as np import matplotlib.pyplot as plt import seaborn as sns fr...
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)。...
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...
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...
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...
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(...
今日大綱 什麼是邏輯斯迴歸? 最大概似估計 線性迴歸 vs. 邏輯斯迴歸 什麼是邏輯斯迴歸? 邏輯斯迴歸為線性迴歸的變形，其經過sigmoid functi...
前言 昨天介紹了簡單線性迴歸模型的基本架構，當資料只有一個解釋變數或特徵時(一個反應變數Y，多個解釋變數Ｘ的情境)，這個方法相當方便且容易解釋，但是當資料存在較...
前言 線性迴歸(Linear Regression)是監督式學習中相對比較簡單且容易理解的方法，一種用來建立X(解釋變數/自變數/預測變數/獨立變項/特徵)與連...
今日大綱 資料集 衡量指標 程式碼 資料集 今天我以sklearn所提供的資料集舉例，預測加州不同區的房價，獨立變數與依變數的敘述如下: 獨立變數 Med...
今日大綱 什麼是線性迴歸? 線性迴歸假設 線性迴歸公式 Loss function 什麼是線性迴歸? 線性迴歸是一種統計方法，其利用線性方程式解釋獨立變數(...
在介紹什麼是 AI 之前，先講一個血淋淋的親身經歷來說明 AI 的重要性。 你喜歡玩遊戲嗎? 我以前很愛玩遊戲，特別是那種很花時間要反覆練功升等級的線上遊戲。有...
前言 遺失值(Missing Value)資料的插補也是訓練模型前資料清洗重要的一環，在進行資料分析時資料常常是不完善的，因此需要有一些方法來處理資料遺失的狀況...
前言 大學修人工智慧這堂課時，期末專題實作一個手寫數字辨識系統開啟了我對機器學習學習之路，在此之前只修過一些理工科基礎課。興趣研究約兩年。藉這個機會回顧自己是怎...
前言 在監督式學習中，我們可以將收集而來的資料切割為訓練集與測試集來尋找表現最好的模型，而這兩種資料集就像字面上的意思一樣，訓練集是用來訓練模型，測試集是用來測...
前言 在資料收集愈來愈便利與科學運算愈來愈快的時代下，科學家們致力於找出資料中重要的模式與趨勢，也稱為從資料中學習(learning from data)，使得...
今天來分享一篇研究，是由Matthew Houde所撰寫的《Predicting the Outcome of NBA Games》，是一篇利用機器學習的模型去...
在上一篇文章中，我們介紹了作者最終挑選模了Elastic net (L1+L2) penalty regularization(彈性網路正規化)作為最後的預測模...
在上一篇文章中，我們介紹作者如何分析MLB賽事，並找出影響比賽勝負較為重要的因子，而今天我們就來看看作者究竟是選擇了哪些模型進行訓練以及預測，並最終做出能夠預測...
iThome鐵人賽
看影片追技術
看更多
liaochenpo
henry_chen
Sin
sarahwei0804
sysherry