iT 邦幫忙::一起幫忙解決難題，拯救 IT 人的一天

0 Like 0 留言 4687 瀏覽

鐵人賽自我挑戰組 DAY 25

Python資料分析學習地圖系列第 25 篇

技術 Day 25 : XGBoost

極限梯度提升 eXtreme Gradient Boosting(XGBoost) ，被稱為 Kaggle 競賽神器，常常第一名都是使用這個演算法。先來前情提要...

皮卡丘打排球 ‧ 2021-10-07

2 Like 0 留言 2574 瀏覽

鐵人賽 Software Development DAY 17

從林到有＿Image processing 系列第 17 篇

技術 [D17] ML機器學習（入門）

之前有提到 CNN 業會用在 ML ，那甚麼是 ML 呢？ Machine Learning 機器學習 ML 就是 Machine Learning 的縮寫，大...

林酷妹 ‧ 2021-10-02 ‧團隊NTUST HIS_LAB 有點東西

1 Like 0 留言 11498 瀏覽

鐵人賽 AI & Data DAY 20

全民瘋AI系列2.0 系列第 20 篇

技術 [Day 20] 機器學習金手指 - Auto-sklearn

Auto-sklearn 今日學習目標了解 Auto-sklearn 運作原理 Meta Learning Bayesian Optimization B...

10程式中 ‧ 2021-10-02

0 Like 0 留言 2216 瀏覽

鐵人賽自我挑戰組 DAY 24

Python資料分析學習地圖系列第 24 篇

技術 Day 24 : 隨機森林

原理昨天有提到 Bagging 最有名的例子就是隨機森林，它是集合多棵決策樹來進行預測，很多樹就成為了森林，稱之為隨機森林。每一棵樹只能看見部分特徵，但透過多...

皮卡丘打排球 ‧ 2021-10-06

0 Like 0 留言 3384 瀏覽

鐵人賽自我挑戰組 DAY 23

Python資料分析學習地圖系列第 23 篇

技術 Day 23 : 集成式學習

接下來的要介紹一個很重要的模型觀念 - 集成式學習。俗話說的好，三個臭皮匠勝過一個諸葛亮，而在機器學習又是怎麼應用呢？讓我們一起探索吧！集成式學習集成式學習...

皮卡丘打排球 ‧ 2021-10-05

0 Like 0 留言 10380 瀏覽

鐵人賽自我挑戰組 DAY 22

Python資料分析學習地圖系列第 22 篇

技術 Day 22 : 決策樹

決策樹(Decision trees)是一種過程直覺單純、執行效率也相當高的監督式機器學習模型，適用於classification 及 regression 資...

皮卡丘打排球 ‧ 2021-10-04

1 Like 0 留言 4315 瀏覽

鐵人賽自我挑戰組 DAY 21

Python資料分析學習地圖系列第 21 篇

技術 Day 21 : SVM

原理說明 SVM (support vector machine 支援向量機)，是在特徵空間中找到一個分離超平面，也就是「決策邊界」(decision boun...

皮卡丘打排球 ‧ 2021-10-03

1 Like 0 留言 22292 瀏覽

鐵人賽 AI & Data DAY 19

全民瘋AI系列2.0 系列第 19 篇

技術 [Day 19] 自動化機器學習 - AutoML

AutoML 今日學習目標了解何謂 AutoML 超參數調參方法 Grid Search Random Search Bayesian Optimizat...

10程式中 ‧ 2021-10-01

1 Like 0 留言 21071 瀏覽

鐵人賽 AI & Data DAY 18

全民瘋AI系列2.0 系列第 18 篇

技術 [Day 18] 機器學習 boosting 神器 - CatBoost

CatBoost 今日學習目標了解 CatBoost 模型實作 CatBoost 迴歸模型-房價預測模型訓練、特徵篩選超參數搜索自動處理類別型的特...

10程式中 ‧ 2021-09-30

0 Like 0 留言 1152 瀏覽

鐵人賽影片教學 DAY 30

R語言-分群(clustering)的實戰應用系列第 30 篇

技術 [Day-30] R語言 - 分群總結與感言 ( Clustering Summary )

您的訂閱是我製作影片的動力訂閱點這裡~ 若內容有誤，還請留言指正，謝謝您的指教

Denny Chang ‧ 2021-09-30

0 Like 1 留言 16489 瀏覽

鐵人賽 AI & Data DAY 17

全民瘋AI系列2.0 系列第 17 篇

技術 [Day 17] 輕量化的梯度提升機 - LightGBM

LightGBM 今日學習目標 LightGBM 與 XGBoost 比較了解 LightGBM 優點實作 LightGBM 處理資料不平衡資料信用卡...

10程式中 ‧ 2021-09-29

0 Like 0 留言 960 瀏覽

鐵人賽影片教學 DAY 29

R語言-分群(clustering)的實戰應用系列第 29 篇

技術 [Day-29] R語言 - 分群其他演算法 ( Clustering other Algorithms )

您的訂閱是我製作影片的動力訂閱點這裡~ 若內容有誤，還請留言指正，謝謝您的指教

Denny Chang ‧ 2021-09-29

0 Like 0 留言 12482 瀏覽

鐵人賽 AI & Data DAY 16

全民瘋AI系列2.0 系列第 16 篇

技術 [Day 16] 每個模型我全都要 - 堆疊法 (Stacking)

堆疊法 (Stacking) 今日學習目標了解 Stacking 方法堆疊法的學習機制為何？利用 Stacking 實作迴歸器透過 Stack...

10程式中 ‧ 2021-09-28

0 Like 0 留言 1328 瀏覽

鐵人賽影片教學 DAY 28

R語言-分群(clustering)的實戰應用系列第 28 篇

技術 [Day-28] R語言 - 分群應用(五) 分群預測 - 提升模型準確度 ( Improve Model Accuracy by Clustering in R.Studio )

您的訂閱是我製作影片的動力訂閱點這裡~ 若內容有誤，還請留言指正，謝謝您的指教

Denny Chang ‧ 2021-09-28

2 Like 2 留言 96354 瀏覽

鐵人賽 AI & Data DAY 15

全民瘋AI系列2.0 系列第 15 篇

技術 [Day 15] 機器學習常勝軍 - XGBoost

XGBoost 今日學習目標 XGBoost 介紹 XGBoost 是什麼？為什麼它那麼強大？ XGBoost 優點比較兩種整體學習架構差異？ Ba...

10程式中 ‧ 2021-09-27

0 Like 0 留言 5331 瀏覽

鐵人賽自我挑戰組 DAY 20

Python資料分析學習地圖系列第 20 篇

技術 Day 20 : 線性迴歸與羅吉斯迴歸

線性迴歸(Linear Regression) 如果我們有數據 (x, y) ，假設 x 是年資、y 是薪資，我們想找出其中的關聯 w 和 b (y = w...

皮卡丘打排球 ‧ 2021-10-02

0 Like 0 留言 3609 瀏覽

鐵人賽自我挑戰組 DAY 19

Python資料分析學習地圖系列第 19 篇

技術 Day 19 : KNN 與 K-means

今天進入演算法的介紹，首先打頭陣介紹的是 KNN 與 K-means，兩者不太一樣。 KNN 是監督式學習演算法；K-means 是非監督式學習演算法 KNN...

皮卡丘打排球 ‧ 2021-10-01

5 Like 1 留言 3445 瀏覽

鐵人賽 AI & Data DAY 12

人工智慧在音樂領域的應用系列第 12 篇

技術 Day 12: 人工智慧在音樂領域的應用 (機器學習/深度學習與類神經網路三)

今天作為機器學習這系列的收尾，我們來聊聊深度學習與機器學習的差異，以及為什麼現今的機器學習/深度學習發展跟以往相比能夠在結果上有如此巨幅的成長。深度學習前兩...

fd2 ‧ 2021-09-27 ‧團隊森上梅友前

0 Like 0 留言 62554 瀏覽

鐵人賽 AI & Data DAY 14

全民瘋AI系列2.0 系列第 14 篇

技術 [Day 14] 多棵決策樹更厲害：隨機森林 (Random forest)

隨機森林 (Random forest) 今日學習目標隨機森林介紹隨機森林的樹是如何生成？隨機森林的優點？隨機森林如何處理分類問題？隨機森林如何處理...

10程式中 ‧ 2021-09-26

0 Like 0 留言 1204 瀏覽

鐵人賽影片教學 DAY 26

R語言-分群(clustering)的實戰應用系列第 26 篇

技術 [Day-26] R語言 - 分群應用(五) 分群預測 - 資料分群 ( data clustering in R.Studio )

您的訂閱是我製作影片的動力訂閱點這裡~ 影片程式碼(延續昨天) #步驟二: 資料分群，哪個演算法? data_num <- done[,c(6,13:2...

Denny Chang ‧ 2021-09-26

4 Like 1 留言 3586 瀏覽

鐵人賽 AI & Data DAY 11

人工智慧在音樂領域的應用系列第 11 篇

技術 Day 11: 人工智慧在音樂領域的應用 (機器學習/深度學習與類神經網路二)

機器學習簡介 (Machine Learning, ML) 機器學習是一種透過資料、特徵擷取以及訓練的方式，來幫助電腦能夠學習並且辨認出特定領域的知識。而機器學...

fd2 ‧ 2021-09-26 ‧團隊森上梅友前

2 Like 0 留言 20550 瀏覽

鐵人賽 AI & Data DAY 13

全民瘋AI系列2.0 系列第 13 篇

技術 [Day 13] 整體學習 (Ensemble Learning)

整體學習 (Ensemble Learning) 今日學習目標了解整體學習何謂整體學習？三種不同的整體學習 Bagging、Boosting、S...

10程式中 ‧ 2021-09-25

0 Like 0 留言 844 瀏覽

鐵人賽影片教學 DAY 25

R語言-分群(clustering)的實戰應用系列第 25 篇

技術 [Day-25] R語言 - 分群應用(五) 分群預測 - 資料清洗 ( data cleaning in R.Studio )

您的訂閱是我製作影片的動力訂閱點這裡~ 影片程式碼(延續昨天) #步驟一: na補值&相異點or離群值偵測 library(naniar)#前置1:...

Denny Chang ‧ 2021-09-25

0 Like 0 留言 2905 瀏覽

鐵人賽 AI & Data DAY 9

時間序列分析與預測方法大全系列第 9 篇

技術 [Day9] 機器學習進行時間序列預測及注意事項（下）

（資料更新中，會盡快補上缺漏部分）上集我們說明了迴歸分析和時間序列分析的差異、訓練時的注意事項；下集我們就來進行 Python 實作示範。我們會對同一份資料...

Kyle ‧ 2021-09-24

1 Like 2 留言 79766 瀏覽

鐵人賽 AI & Data DAY 12

全民瘋AI系列2.0 系列第 12 篇

技術 [Day 12] 決策樹 (Decision tree)

決策樹 (Decision tree) 今日學習目標決策樹演算法介紹決策樹如何生成？如何處理分類問題？如何處理迴歸問題？實作決策樹分類器觀...

10程式中 ‧ 2021-09-24

0 Like 0 留言 1074 瀏覽

鐵人賽影片教學 DAY 24

R語言-分群(clustering)的實戰應用系列第 24 篇

技術 [Day-24] R語言 - 分群應用(五) 分群預測 - 取得真實資料集&說明 ( real data from UCI )

您的訂閱是我製作影片的動力訂閱點這裡~ 資料集下載處影片程式碼 ## 應用五: 分群建模 #### library(dplyr) data <- re...

Denny Chang ‧ 2021-09-24

1 Like 0 留言 48400 瀏覽

鐵人賽 AI & Data DAY 11

全民瘋AI系列2.0 系列第 11 篇

技術 [Day 11] 核模型 - 支持向量機 (SVM)

核模型 - 支持向量機 (SVM) 今日學習目標 SVM 分類器何謂支持向量機? 非線性與線性? 多元分類支持向量機。 SVR 迴歸器學習 SVR...

10程式中 ‧ 2021-09-23

0 Like 0 留言 2799 瀏覽

鐵人賽 AI & Data DAY 8

時間序列分析與預測方法大全系列第 8 篇

技術 [Day8] 機器學習進行時間序列預測及注意事項（上）

（資料更新中，會盡快補上缺漏部分）第八篇我們進到機器學習的範疇。說到用機器學習模型做時間序列預測，一定馬上想到把它當成迴歸問題對吧；不過呢，雖然時間序列預測...

Kyle ‧ 2021-09-23

2 Like 1 留言 45272 瀏覽

鐵人賽 AI & Data DAY 10

全民瘋AI系列2.0 系列第 10 篇

技術 [Day 10] 近朱者赤，近墨者黑 - KNN

近朱者赤，近墨者黑 - KNN 今日學習目標 K-近鄰演算法介紹 KNN 演算法解析 KNN 於分類器和迴歸器的做法比較 KNN 與 k-means 差異...

10程式中 ‧ 2021-09-22

2 Like 1 留言 46497 瀏覽

鐵人賽 AI & Data DAY 9

全民瘋AI系列2.0 系列第 9 篇

技術 [Day 9] 邏輯迴歸 (Logistic Regression)

邏輯迴歸 (Logistic Regression) 今日學習目標認識邏輯迴歸線性分類器邏輯迴歸學習機制比較線性迴歸與邏輯迴歸多元分類邏輯迴歸...

10程式中 ‧ 2021-09-21

技術 Day 25 : XGBoost

技術 [D17] ML機器學習（入門）

技術 [Day 20] 機器學習金手指 - Auto-sklearn

技術 Day 24 : 隨機森林

技術 Day 23 : 集成式學習

技術 Day 22 : 決策樹

技術 Day 21 : SVM

技術 [Day 19] 自動化機器學習 - AutoML

技術 [Day 18] 機器學習 boosting 神器 - CatBoost

技術 [Day-30] R語言 - 分群總結與感言 ( Clustering Summary )

技術 [Day 17] 輕量化的梯度提升機 - LightGBM

技術 [Day-29] R語言 - 分群其他演算法 ( Clustering other Algorithms )

技術 [Day 16] 每個模型我全都要 - 堆疊法 (Stacking)

技術 [Day-28] R語言 - 分群應用(五) 分群預測 - 提升模型準確度 ( Improve Model Accuracy by Clustering in R.Studio )

技術 [Day 15] 機器學習常勝軍 - XGBoost

技術 Day 20 : 線性迴歸與羅吉斯迴歸

技術 Day 19 : KNN 與 K-means

技術 Day 12: 人工智慧在音樂領域的應用 (機器學習/深度學習與類神經網路三)

技術 [Day 14] 多棵決策樹更厲害：隨機森林 (Random forest)

技術 [Day-26] R語言 - 分群應用(五) 分群預測 - 資料分群 ( data clustering in R.Studio )

技術 Day 11: 人工智慧在音樂領域的應用 (機器學習/深度學習與類神經網路二)

技術 [Day 13] 整體學習 (Ensemble Learning)

技術 [Day-25] R語言 - 分群應用(五) 分群預測 - 資料清洗 ( data cleaning in R.Studio )

技術 [Day9] 機器學習進行時間序列預測及注意事項（下）

技術 [Day 12] 決策樹 (Decision tree)

技術 [Day-24] R語言 - 分群應用(五) 分群預測 - 取得真實資料集&說明 ( real data from UCI )

技術 [Day 11] 核模型 - 支持向量機 (SVM)

技術 [Day8] 機器學習進行時間序列預測及注意事項（上）

技術 [Day 10] 近朱者赤，近墨者黑 - KNN

技術 [Day 9] 邏輯迴歸 (Logistic Regression)

標記使用者