上著上著，突然發現上輩子的回憶飄出來了。KNN 是空間統計中相當常見的一種方法，在判斷事件點是否存在空間上的群聚時也經常使用。透過 KNN，可以根據資料點之間的...
從這兒開始，來到一個新的機器學習領域，跑迴歸的時候我們可以拿資料來預測「值」，而本章則進一步介紹如何根據訓練資料辨識「類別」，是一種監督式學習，在實際應用上也很...
前言:育嬰雜事多，所以這個學習會緩慢地前進，假設有誰在認真看系列文的話、真是不好意思沒辦法太多產! 上篇文章談到Rsquared可以拿來做模型評估。本章就是實...
模型的好壞、會用一個稱作R Squared的方法做評估。 先求出兩個值:R_Res(sum of squares of residuals)算預測值跟實際值的差...
雖然Regression還有很多種方法沒有學跟實作，但我覺得再這樣下去會太無聊，其他的ML方式還有很多要學呢~因此把其他的回歸方法觀念統整在這兒，實作部分直接跳...
Polynomial Regression 又稱多項式迴歸，不同於前面我們討論過的各種線性回歸，這裡最後的預測結果如果畫在圖上，X跟Y的關係不是單純的一條斜線惹...
實作比背後的數學觀念簡單太多惹。 老樣子，我們先打開資料看一下大概長怎樣。目標是要用研發支出、行政支出、行銷支出以及所在城市位子來預測利潤。 匯入Library...
難度跟課程長度突然驟升= = Simple Linear Regression只講了一小時左右、因為我有概念所以實作跟概念吸收很快，真是Simple。Mult...
「最好的 AI Agent 不是固定不變的系統，而是在每一次與使用者的對話中，自動汲取經驗並寫回知識庫、自我進化的系統。」 在 Day 06 中，我們介紹了 S...
其實就只是在打基礎、simple linear regression在真實世界的運用應該是很少的。BTW，因為這篇也是先前預寫的、所以還是會有比較詳細的程式碼、...
經過一個周末發現需要一些調整XD 周末反而比較忙碌，以後就打算周間發文了~雖然是Day4、但就是個人學習的Day4、而非鐵人賽的Day4拉~再來是、過去的寫法有...
了解Data Pre-processing的概念後，接著就是要實作了 資料下載的部分，連結雖然是公開的，但畢竟是課程資源的一部分，在此只顯示部分截圖。課程提供g...
一邊要上課一邊還要寫這個不容易! 整個machine learning分成三個步驟Data pre-processing這部分包含資料匯入、去除雜值(讓資料比較...
引言 在前一篇文章，我們介紹了 Logistic Regression 🚪傳送門，它的做法是用 Sigmoid function 把資料轉成機率，再依機率來進行...
引言 在前兩篇的內容，我們看過了 Naive Bayes（用機率來猜分類），還有 Decision Tree & Random Forest（用問問題來...
引言 想像一下，你現在要決定「是否要出門打籃球？」你可能會透過幾個因素來評估，例如：「是否有同伴」、「天氣狀況」、「場地狀況」等等。所以在你的腦中，可能會經歷像...
引言 大家可能會跟我有一樣的經驗，就是每天出門前都會糾結一個問題：「今天要不要帶傘？」帶傘的話，包包變好重；不帶的話，下雨就慘了...（但是身為政大的學生，包包...
引言 在前面的文章裡，我們聊了 NLP 是什麼、語料的前處理，也看過文字要怎麼轉換成數字。但是，這些都只是前置預備作業！真正要讓電腦能夠做各種 NLP 任務的關...
前言昨天我們學習了如何調整邏輯迴歸的超參數，並透過交叉驗證了解模型在未見資料上的穩定性。今天，我們將針對這些專有名詞做深入解釋，包括正則化、梯度以及求解器（So...
前言昨天我們完成了邏輯迴歸模型的建立，並試著用它預測單筆資料。今天，我們將深入探索模型內部，主要目標有三個： 了解特徵對模型預測的影響 全面評估模型在測試資料...
前言昨天我們完成資料前處理與特徵工程，現在已經有乾淨且規範的資料可以使用。今天將進入核心步驟：建立邏輯迴歸模型，讓模型學習特徵與目標之間的關係。 一、建立邏輯...
前言昨天我們完成了資料的下載、讀取、初步檢視以及簡單視覺化，對資料集的結構、特徵分布和目標類別已有基本認識。今天，我們要在此基礎上，進行資料前處理（Data P...
前言昨天完成了開發環境建置，今天我們要開始準備邏輯迴歸的資料。首先從網路下載範例資料檔案，然後導入 Jupyter Notebook，進行初步檢視與簡單視覺化（...
前言昨天我們學到了邏輯迴歸的數學基礎，今天要開始準備實作環境。我們會透過 Anaconda 建立虛擬環境，並使用 Jupyter Notebook 作為開發工具...
前言昨天我們介紹了分類任務，今天要從數學和統計的角度認識一個經典的分類演算法——邏輯迴歸 (Logistic Regression)。為了理解它，先要知道它的前...
前言昨天我們談到監督式學習的兩大任務：分類（Classification）與迴歸（Regression）。其中分類任務在生活中最常見，也最容易理解。那麼，分類任...
前言 昨天我們快速比較了 AI、ML、DL 的差異，並提到 ML 的一大類型是 監督式學習 (Supervised Learning)。那麼，監督式學習究竟是怎...
前言昨天我們提到，AI 需要透過資料來學習與訓練。那麼，資料是如何一步步變成可以做出判斷的 AI 模型呢？其實，AI 的核心是各種算法 (Algorithm)，...
前言昨天我們分別介紹了 AI 與 Data 的基本概念。今天，我們要更進一步，探討兩者之間的關係，說明為什麼資料是 AI 的基礎，以及 AI 如何透過資料發揮價...
前言AI是近年來引起大家熱烈討論的議題，無論是工作還是生活，我們越來越常看到AI的應用。其中AI與Data有著密不可分的關係，掌握AI與Data相關知識，可以提...
ariel_c
張美珠
急速行駛
iThome鐵人賽
看影片追技術