iT邦幫忙

機器學習相關文章
共有 413 則文章
鐵人賽 AI & Data DAY 15
全民瘋AI系列2.0 系列 第 15

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...

鐵人賽 自我挑戰組 DAY 20
Python資料分析學習地圖 系列 第 20

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...

鐵人賽 自我挑戰組 DAY 19
Python資料分析學習地圖 系列 第 19

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...

鐵人賽 AI & Data DAY 12

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...

鐵人賽 AI & Data DAY 14
全民瘋AI系列2.0 系列 第 14

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...

鐵人賽 影片教學 DAY 26

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...

鐵人賽 AI & Data DAY 11

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...

鐵人賽 AI & Data DAY 13
全民瘋AI系列2.0 系列 第 13

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...

鐵人賽 影片教學 DAY 25

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:...

鐵人賽 AI & Data DAY 9

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...

鐵人賽 AI & Data DAY 12
全民瘋AI系列2.0 系列 第 12

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...

鐵人賽 影片教學 DAY 24

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...

鐵人賽 AI & Data DAY 11
全民瘋AI系列2.0 系列 第 11

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...

鐵人賽 AI & Data DAY 8

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...

鐵人賽 AI & Data DAY 10
全民瘋AI系列2.0 系列 第 10

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...

鐵人賽 AI & Data DAY 9
全民瘋AI系列2.0 系列 第 9

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...

鐵人賽 自我挑戰組 DAY 16
Python資料分析學習地圖 系列 第 16

技術 Day 16 : 模型衡量指標

由於我們需要有指標來衡量一個模型的好壞,而問題可以粗略分成「分類」和「迴歸」問題。而根據不同的問題,我們所選用的衡量指標也會不同。 分類 關於分類問題,我們先介...

鐵人賽 AI & Data DAY 8
全民瘋AI系列2.0 系列 第 8

技術 [Day 8] 線性迴歸 (Linear Regression)

線性迴歸(Linear Regression) 今日學習目標 認識線性迴歸 透過機器學習來找出一條函式,來最佳化模型 兩種求解方法 線性迴歸程式手把手...

鐵人賽 AI & Data DAY 7
全民瘋AI系列2.0 系列 第 7

技術 [Day 7] 非監督式學習-降維

非監督式學習-降維 今日學習目標 降維觀念 何謂降維? 降維有什麼優點? 常見兩種降維方法 PCA & t-SNE 降維 (Dimens...

鐵人賽 影片教學 DAY 19

技術 [Day-19] R語言 - 分群應用(一) k - prototype類別補值 - 下 ( Fill.NA with k - prototype 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) #均值+眾數 vs 列入各群權重 final_mean <- final[,c(1:4...

鐵人賽 自我挑戰組 DAY 15
Python資料分析學習地圖 系列 第 15

技術 Day 15 : 機器學習介紹

前半段講python講得差不多惹XDD 終於進入機器學習篇章(打開全新的一頁的感覺),接著讓我們好好地繼續學習吧 人工智慧的分級 扯到機器學習,不得先拉回比較宏...

鐵人賽 自我挑戰組 DAY 4

技術 04 你的專研不是你的專研

升上高中也有專題研究的學分。為了找到適合的題目,我和同個專研的同學一起到師大資工(和科學班合作的校系之一)訪問教授。前後去了幾個禮拜,從聲音分析、叢集計算等,甚...

鐵人賽 AI & Data DAY 6
全民瘋AI系列2.0 系列 第 6

技術 [Day 6] 非監督式學習 K-means 分群

非監督式學習 K-means 分群 今日學習目標 非監督式學習 何謂非監督式學習? 集群分析? 分群演算法介紹 K-means 分群分類演算法...

鐵人賽 影片教學 DAY 18

技術 [Day-18] R語言 - 分群應用(一) k - prototype類別補值 - 上 ( Fill.NA with k - prototype 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 ## 應用一: 分群補值(數值+類別) #### library(missForest) #產生隨機na值...

鐵人賽 AI & Data DAY 5
全民瘋AI系列2.0 系列 第 5

技術 [Day 5] 機器學習大補帖

機器學習大補帖 今日學習目標 了解機器學習是什麼 何謂機器學習? 人工智慧的範疇 什麼是人工智慧? 資料科學三劍客 機器學習的種類有哪些? 從人類學習...

鐵人賽 影片教學 DAY 17

技術 [Day-17] R語言 - 分群應用(一) GMM數值補值-下 ( Fill.NA with GMM 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) #均值 vs 列入各群權重 final_mean <- final[,c(1:4,10...

鐵人賽 影片教學 DAY 16

技術 [Day-16] R語言 - 分群應用(一) GMM數值補值-上 ( Fill.NA with GMM 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) #演算法 library(ClusterR) opt_gmm = Optimal_Clust...

鐵人賽 AI & Data DAY 4
全民瘋AI系列2.0 系列 第 4

技術 [Day 4] 咱們一起做資料清理和前處理

咱們一起做資料清理和前處理 今日學習目標 資料如何清理 什麼是資料清理? 資料前處理的方式 為什麼資料要前處理呢?前處裡有何好處? 學習 Skle...

鐵人賽 影片教學 DAY 15

技術 [Day-15] R語言 - 分群應用(一) 補值前處理 ( Fill.NA with 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 ## 應用一: 分群補數值 #### library(missForest) #產生隨機na值 libra...

鐵人賽 AI & Data DAY 3
全民瘋AI系列2.0 系列 第 3

技術 [Day 3] 你真了解資料嗎?試試看視覺化分析吧!

你真了解資料嗎?試試看視覺化分析吧! 今日學習目標 探索式分析 (EDA) 聊聊何謂 EDA,為何要做數據分析? 撰寫第一支 EDA 程式 透過鳶尾花...