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,...
昨天經歷了數學的摧殘（？）以後，今天來點輕鬆一點的內容吧～ 截至目前的文章已經介紹了 GAN 和 VAE 兩種類型的圖像生成模型。其實，我們還可以進一步結合兩...
梯度（Gradient） 是目標函數在某個點的局部斜率或變化率。 梯度提升（Gradient Boosting） 集成學習 多個弱學習器（通常是決策樹）...
主題建模 確定它分析的每個文本或文檔中的主題 從整體文本數據推斷主題集群 將包含類似主題集群的文本或文檔組合在一起 文本聚合 將包含相似主題的文字或文件組...
決策邊界（Decision Boundary） 分類問題: 二元或多元分類問題 二元分類: 決策邊界是一條線、曲線或超平面 多元分類: 決策邊界是多維...
特徵工程 將原始數據轉換為更有價值和更有意義的特徵，以改善機器學習模型的性能。良好的特徵工程可以提高模型的準確性、降低過度擬合風險 特徵正規化 線性函數正規化（...
監督式學習(分類-Binary、演繹法) 分類理論(Binary) 通常可以分為二元分類（Binary Classification）和多類別分類（Multic...
前言 當我們要評估一名運動員的好壞，就會針對一些體能項目做評估，像是肌耐力、爆發力、彈跳力等，這些項目也可以稱做是衡量球員水準的指標，同樣的如果我們要評估一個模...
昨天很快樂的開始說監督式學習，突然發現有東西沒說到，所以補到今天，這就是當天想當天主題的可悲，總之今天來寫寫模型得一些東東。 不知道為甚麼一職寫關於介紹的東...
動量 Momentum 動量的核心概念就是依據現實生活中物理上的慣性去更新參數，參數更新公式： 當前參數更新時除了梯度，還會考慮前一步的梯度 ( 移動方向 )...
基本架構 1.找出問題2.思考是否真的需要使用機器學習?3.資料收集4.資料前處理5.特徵工程6.模型訓練7.模型評估8.微調模型&參數9.預測&...
前言 前面我們實作出了一些基本的模型，而今天我們就拿之前的多元線性回歸模型來當作範例，要把這個模型佈署至網頁上，藉由讓使用者從輸入框傳入特徵資料到模型中，讓模型...
整體/集成學習 通過結合多個基本模型的預測結果，獲得更好的整體預測性能。 可以是相同類型的模型，也可以是不同類型的模型。 通過集體決策來消除個別模型的不足，從...
前言 在前面【Day 6】回歸與分類 Regression & Classification 的文章中，了解到我們用模型主要來處理的問題任務，也就是回歸...
如同昨天文章的內容提到的，利用一個二元分類器作為 discriminator 和 generator 對抗，期望 generator 最終能學會產生近乎真實的影...
終於進入機器學習的實作階段啦，今天要來用鳶尾花資料集介紹一下羅吉斯回歸的作法。 如果覺得很難懂或很無聊再留言跟我說一下耶，寫程式要寫得好玩真的有點難＠＠ 今天...
前言 之前提到多層感知器的概念，每層的感知器會隨著層數一層一層往下傳遞，輸出的函數也會越來越複雜，而這往下傳遞的過程，就稱為正向傳遞。 在神經網路中，模型的訓練...
本篇僅大概敘述各種情境，無深入探討，各情境常用演算法等將在之後的文章中討論 Supervised Learning (監督式學習) 會告訴機器正確的答案(...
接下來要進入到 VAE 的重頭戲，數學原理的解釋與推導 其實從前兩天的文章應該已經能瞭解 VAE 如何運作、有什麼特點，如果真的很排斥數學，好像可以先左轉離開（...
前言 今天我們要來搭建一個簡易模型，這個模型能夠將輸入的圖片做分類的動作，並且要經過多層神經網路的訓練，從而訓練出我們的 DNN 模型，在建模前先來了解下面的基...
前言 學習和應用機器學習和人工智慧技術，以改進股票分析和預測的準確性。 實作機器學習模型，以預測股票價格和趨勢。 說明 當學習和應用機器學習和人工智慧技術以...
前言 昨天提到如何算出評估模型的各種驗證指標，今天就要利用驗證指標中的兩個指標，這兩個指標都是針對預測為陽性 ( 1 ) 時的情況下做比率的計算，一個是召回率...
今天進入到 GAN 的理論了，真是讓人既期待又害怕受傷害（？ 在這裡為了簡化說明，所以都是以 unconditional GAN 為例子～ 視覺化的解釋 下圖是...
前言 在機器學習和深度學習中，優化器就是個能夠優化模型的工具，用梯度下降法幫我們調整模型參數以最小化 ( 優化 ) 模型的損失函數，在訓練過程中，模型根據輸入數...
於建立自變數（cause）和依變數（dependent variable）之間關係的統計模型 自變數（independent variable）：解釋變數，是...
前言 我是一名資工系大三的學生，在同學的極力推薦(?)下決定參加這次的鐵人賽，在督促自己學習的同時，也是給未來的自己留一份筆記。六月起參與了三個月的機器學習專案...
正規化可減少模型overfitting的問題 L1 regularization (Lasso) 加入L1正規化 (loss function + L1...
人工智慧 再來要開始慢慢進入人工智慧的領域啦~ 再來都會使用圖文以及一些小範例來介紹! 機器學習 從數據中學習的技術，而不是通過明確編程來執行任務(餵資料)...
kernel trick 作天的ＳＶＭ跟ＳＶＲ有提到可以用kernel function將資料映射到高維空間中 解決的問題：當資料在原始空間中無法被線性分...
是一種基於機率的分類器 貝氏定理 Bayes’ Theorem 計算在已知一些條件下，某事件的發生機率 通常事件A在事件B已發生的條件下發生的機率，與...
泉韵
hard_fish
許皓翔
rubylin
初墨 Roy
yao021019
allenchen
iThome鐵人賽
看影片追技術