今天，我們推出了適用於 API 的 Cloudflare 序列分析。透過序列分析，訂閱 API Gateway 的客戶就能夠檢視對其端點最重要的 API 呼叫序...
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、...
倒數兩天啦~今天要讓大家自己找檔案試試前幾集以故事為主題的教學，那就直接來囉! 選檔 這次大家可以選幾個類別的故事或文章，接著將它們用txt或tab檔存於檔案中...
前言 昨天了解到了機器學習的各種學習方式，今天就要針對模型的目標來區分出兩種不一樣的問題，一個是回歸問題 ( Regression Problem )，一個是分...
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...
在上一篇中，我們是將許多張未分類過的圖像數據，讓電腦幫我們分類與查看它們之間的相似度(屬於無監督式學習)；那麼今天，就是要將另外一群已分類好之圖像數據，進行模型...
非監督式學習(分群-距離、相似特徵、歸納法) 分群演算法： K-Means 聚類：將數據分為 K 個不同的群集，每個群集由其內部的數據點的相似性來定義。...
前言 前面幾天提到過，當一個模型的參數較多，會導致模型複雜度過高，這會讓模型在訓練資料的擬和表現很好，但在新的陌生資料上 ( 測試資料 ) 表現不佳，就會出現過...
前言 在訓練模型時，有時會被一些專有名詞搞混，像一個參數就有分「參數」和「超參數」，今天我們要來搞清楚這兩個名詞的差異啦 ~ 參數 Parameters 在...
前言 交叉驗證 ( Cross-Validation ) 是在機器學習中是一個評估模型性能的技術，從而使我們能更準確地估計模型在面對陌生資料的擬和能力，也就是模...
前言 昨天的內容提到當資料可以完美的利用一條直線或超平面(hyperplane)分類時，**最大邊距分類器(Maximal Margin Classifier)...
分群理論 群內差異小，群間差異大 找出比較相似的資料聚集在一起，形成集群（Cluster） 相似性的依據是採用歐式距離，相對距離愈近、相似程度越高，被歸類至同...
前言 在神經網路中，通常會讓每層的神經元輸出後再經過激勵函數，它對於神經網路的性能扮演著重要的角色，主要是利用激勵函數的下列特性： 引入非線性：我們知道神經元...
訓練與測試集合 訓練集就像是在一門課學習東西;測試集就像是學完這堂課的內容後所出的考試 from sklearn.model_selection import...
今天要介紹的是生成對抗網路（generative adversarial network，簡稱 GAN）～ GAN 是一種用於解決生成任務的機器學習演算法，最早...
前言 昨天提到了模型欠缺擬和與過度擬和的問題，今天就要針對這兩個問題探討兩個評估模型效能的指標，分別是偏差 ( Bias ) 和方差 ( variance )，...
前言 在機器學習和深度學習中，損失函數 ( Loss Function ) 是一種用來衡量模型預測值與實際目標之間差異的函數，模型經過損失函數的計算後就會知道模...
NLP步驟 將文件收集到語料庫內 基元化(語彙基元tokens) 句子基元化&偵測語言 文本通常被分割成句子 pip install langde...
熬夜沒睡飽好像成為每天必抱怨的事項了，今天畢竟踏上旅途，我們話少一些，直接開始吧！ 我們在一開始有簡單說明機器學習的類型今天的內容就是要來仔細說一下關於這些...
貝氏定理 P(A∣B) = P(B∣A)⋅P(A)/P(B) P(A∣B)：表示在事件B發生的條件下，事件A發生的機率，稱為後驗機率。 P(B∣A)：表示在...
今天終於要開始介紹另一個生成模型了！那就是 variational auto-encoder，簡稱 VAE 不過在開始解釋 VAE 是什麼之前，先來說明一下 a...
支援向量機（Support Vector Machine，SVM） 用於監督式學習中的分類和回歸 找到一個超平面將不同類別的數據點分開，同時最大化兩個類別之間...
強化學習概論 讓智慧型代理人/智慧體/智能體（intelligent agent）通過與環境的交互學習如何做出決策，以最大化一個獎勵信號。它通常涉及到Agent...
接續前一天的文～在 [Day 8] 簡介 variational auto-encoder (VAE) 有提到，我們可以在 VAE 學出來的 code spac...
前言 在上篇文章，我們提到到了在機器學習中模型學習的方式，今天就要來探討機器學習這個「學習」的過程，以及模型如何去進行「訓練」，而這當其實就是一連串的流程，也稱...
今天的文章應該是最後一篇與 GAN 有關的介紹～ 關於 GAN 的研究主題實在非常多，也持續跟隨著深度學習領域的突破而演進，很難在幾篇文章中涵蓋所有的內容（就算...
由於非監督學習模型通常沒有像監督學習中的標籤可使用，因此非監督學習模型的可解釋性通常是透過資料視覺化和數據分析來實現。以下為各位整理非監督學習中可解釋性的一些例...
前幾天談的都是 GAN 生成影像的原理，那當我們訓練出 GAN 以後，要如何評估模型產生影像的表現並和其他生成模型比較呢？ 人工判斷也許是最快能想到的方法。早期...
前言 在這 30 天中，跟著我的腳步一起踏進機器學習的世界，前半段我會帶著大家從機器學習最最最基礎的概念開始了解，了解到基本概念後，後半段就會開始進行 Pyto...
邏輯迴歸 (Logistic Regression) 分類度量 混淆矩陣（Confusion Matrix） 混淆矩陣包括真正例（True Positives,...
sarahwei0804
Sin
許皓翔
Denny Chang
泉韵
liaochenpo
hard_fish
rubylin
10程式中
iThome鐵人賽
看影片追技術