iT 邦幫忙::一起幫忙解決難題，拯救 IT 人的一天

0 Like 0 留言 134 瀏覽

技術結合交叉驗證之遞迴特徵刪除簡介(recursive feature elimination with cross-validation)

前言結合交叉驗證之遞迴特徵刪除(recursive feature elimination with cross-validation, RFECV)屬於特徵...

a26833765 ‧ 2020-07-10

0 Like 0 留言 184 瀏覽

技術 [PSO文獻2]Adaptive Particle Swarm Optimization

2020.06.24 更新錯誤的Schwefel，現在已經收斂到跟原作者一樣好了 0. 前言: 本篇主要是紀錄Adaptive Particle Swarm...

a26833765 ‧ 2020-06-20

0 Like 2 留言 253 瀏覽

技術免費票║AI Experience Worldwide兩日線上全球大會

分享免費線上活動由DataRobot舉辦，內容與AutoML 與 Advanced Analytics相關光看邀請到的Keynote Speaker，覺得跟...

yl510 ‧ 2020-06-11

2 Like 0 留言 212 瀏覽

技術優化雙雄 -- 最小平方法(OLS) vs. 最大概似法(MLE) , Part 2

前言【上一篇】介紹了最小平方法(OLS)，接下來，就來欣賞一下『最大概似法』(Maximum likelihood estimation, MLE)，它是另一...

I code so I am ‧ 2020-06-08

3 Like 0 留言 275 瀏覽

技術優化雙雄 -- 最小平方法(OLS) vs. 最大概似法(MLE) , Part 1

前言很多演算法在參數計算時，常會使用最小平方法(OLS)或最大概似法(MLE)求解，因此，努力K了一下，把心得記錄下來，希望能與同好分享。其中，涉及數學證明...

I code so I am ‧ 2020-06-05

1 Like 1 留言 346 瀏覽

技術 [筆記]機器學習技法-支持向量機(Support Vector Machine , SVM)

前言　　最近在練習Kaggle，使用到許多沒使用過的機器學習的方法，尤其在回歸問題上，遇到了LinearRegression、Ridge、Lasso、Grad...

Kevin ‧ 2020-06-04

0 Like 0 留言 164 瀏覽

技術 [PSO文獻1]Particle swarm optimization (PSO). A tutorial

2020.06.24:修改錯誤的Schwefel 0. 前言: 本篇主要是紀錄Particle swarm optimization (PSO). A tut...

a26833765 ‧ 2020-06-04

0 Like 0 留言 266 瀏覽

技術 [ML] Pipeline無法縮放目標之解決方法

本偏示範了如何將Pipeline與TransformedTargetRegressor結合，前者負責處理輸入特徵的縮放；後者針對目標輸出作縮放。若有更進一步需求...

a26833765 ‧ 2020-05-25

0 Like 0 留言 183 瀏覽

技術 dlib安裝心得 -- Windows 環境

前言剛剛克服了 YOLO v4 安裝的問題，又碰上另一個 C library 需要安裝，真是頭痛。dlib 是一個機器學習的函數庫，它包含許多功能(可參考官網...

I code so I am ‧ 2020-05-22

1 Like 0 留言 858 瀏覽

技術 YOLO v4 安裝心得 -- Windows 環境

前言 YOLO 是一個即時物件偵測(object detection)的模型，它處理速度可達 30 FPS，可以用在視訊上偵測移動的物體，平均準確度(mAP)可...

I code so I am ‧ 2020-05-21

1 Like 1 留言 1399 瀏覽

技術以總統民調學習抽樣理論

前言這一陣子總統大選幾乎天天有民調，各家調查結果大相逕庭，調查結果相差10~20%，但每一項民調都宣稱『信賴水準95%，抽樣誤差為正負3.0%』，照理講不是應...

I code so I am ‧ 2019-12-24

1 Like 0 留言 814 瀏覽

技術淺談機器學習的效能衡量指標 (4) -- 檢定力分析(Power Analysis)

前言上一次談到『假設檢定』(Hypothesis Testing)，它可以檢定一項實驗是否有顯著性的效果，但是，我們要蒐集多少樣本才能驗證實驗的可靠度呢? 這...

I code so I am ‧ 2019-11-27

1 Like 0 留言 512 瀏覽

技術淺談機器學習的效能衡量指標 (3) -- 效能衡量指標與假設檢定的關聯

前言機器學習經過訓練(Trainning)、評估(Evaluation)後，就可以得到準確率(Accuracy)、精確率(Precision)、召回率(Rec...

I code so I am ‧ 2019-11-21

2 Like 0 留言 3261 瀏覽

技術淺談機器學習的效能衡量指標 (2) -- ROC/AUC 曲線

前言上一篇談到準確率(Accuracy)、精確率(Precision)、召回率(Recall)、F1 Score，它們適用在不同的場景，接著我們再來討論『RO...

I code so I am ‧ 2019-11-17

2 Like 0 留言 3650 瀏覽

技術淺談機器學習的效能衡量指標 (1) -- 準確率(Accuracy)、精確率(Precision)、召回率(Recall)

前言初接觸機器學習時，常會給幾個效能衡量指標搞得一個頭兩個大：混淆矩陣(Confusion Matrix)。準確率(Accuracy)、精確率(Prec...

I code so I am ‧ 2019-11-13

0 Like 0 留言 540 瀏覽

鐵人賽 Google Developers Machine Learning DAY 30

Machine Learning（by Google）系列第 30 篇

技術【Day30】4th：現實案例&機器學習總結（含雜記）

案例說明中，google有提供以下的建議：（文章：ML Systems in the Real World: Guidelines）（列表中會提供相近的本系...

eyelash ‧ 2019-10-15

2 Like 1 留言 1253 瀏覽

鐵人賽 Google Developers Machine Learning DAY 30

Towards Tensorflow 2.0 系列第 30 篇

技術 [Day-30] Transfer learning & Model Serving

今天是鐵人賽的最後一天，我想說來聊聊 Transferring learning 以及 Model serving。今天也會有簡單的Colab實作 (Trans...

Dan ‧ 2019-10-15

1 Like 0 留言 392 瀏覽

鐵人賽 AI & Data DAY 30

Python機器學習介紹與實戰系列第 30 篇

技術 DAY[30]-機器學習介紹與實戰-心得

實戰完整程式碼不知不覺就經過了30天的文章考驗，剛開始的幾天較有餘裕，文章的質量也比較高一些，但之後隨著比賽以及開學的上課時間影響，文章質量有所下降，對讀者還...

Austin ‧ 2019-10-15 ‧團隊Bikini Bottom

1 Like 1 留言 1225 瀏覽

鐵人賽 Google Developers Machine Learning DAY 30

透視Google Machine Learning的奧秘系列第 30 篇

技術 [Day30] 數據分析相關工作之間的差異 & Google Machine Learning鐵人完賽心得

今天是最後一天了，終於可以完賽，回顧這三十天來分享了好多機器學習相關的東西，自己也有許多的收穫，除了分享一下完賽心得，我們今天也來探討一下數據分析相關工作之間的...

芋頭 ‧ 2019-10-15

0 Like 0 留言 356 瀏覽

鐵人賽 Google Developers Machine Learning DAY 29

Machine Learning（by Google）系列第 29 篇

技術【Day29】4th：現實案例－隱喻和政治傾向

google和研究文學的教授一同研究，看能不能用隱喻的作品資料，去預測作者的政治傾向。在完成模型後，他們發現準確率超高，到底是為什麼呢？文章：ML Syste...

eyelash ‧ 2019-10-14

0 Like 0 留言 435 瀏覽

鐵人賽 Google Developers Machine Learning DAY 28

Machine Learning（by Google）系列第 28 篇

技術【Day28】4th：機器學習＋現實世界－癌症預測

開始說明機器學習與現實世界的互動，本篇說明癌症預測文章：ML Systems in the Real World: Cancer Prediction Go...

eyelash ‧ 2019-10-13

0 Like 0 留言 357 瀏覽

鐵人賽 AI & Data DAY 28

Python機器學習介紹與實戰系列第 28 篇

技術 DAY[28]-Kaggle實戰模型預測與答案輸出

訓練模型 print('START Fit') print('stack_gen') stack_gen_model = stack_gen.fit(np.a...

Austin ‧ 2019-10-13 ‧團隊Bikini Bottom

0 Like 0 留言 731 瀏覽

鐵人賽 Google Developers Machine Learning DAY 27

Machine Learning（by Google）系列第 27 篇

技術【Day27】3rd：Playground－訓練模型（by TensorFlow）#2

現在使用TensorFlow來訓練我們的這個模組。以下會有幾個步驟：開始準備、製作特徵、以年齡當做分類的特徵、定義模型特徵、訓練深度神經網路模型、評估神經網路...

eyelash ‧ 2019-10-12

0 Like 0 留言 953 瀏覽

鐵人賽 Google Developers Machine Learning DAY 27

Towards Tensorflow 2.0 系列第 27 篇

技術 [Day-27] 生成對抗網路 (GAN) 實作 Part II

今天我們來實際來跑簡單的Dataset，就是 DL 101 資料集 - MNIST。透過較為簡單的Dataset 來理解像GAN這種相對難的演算法，應該能較容易...

Dan ‧ 2019-10-12

0 Like 0 留言 491 瀏覽

鐵人賽 AI & Data DAY 27

Python機器學習介紹與實戰系列第 27 篇

技術 DAY[27]-Kaggle實戰 Boosting模型與Stacking

生成這些Boosting模型時，參數已經調整過，若是對調整超參數有其他想法也可以使用第16天的超參數調整哦！ from sklearn.ensemble imp...

Austin ‧ 2019-10-12 ‧團隊Bikini Bottom

0 Like 0 留言 507 瀏覽

鐵人賽 Google Developers Machine Learning DAY 26

Machine Learning（by Google）系列第 26 篇

技術【Day26】3rd：Playgrand－公平（Fairness）#1

進入遊戲區體驗Fairness的機器學習，將會練習之前所說的不同的差異以及用子組合，來評估模型性能。文章（本篇分成兩章文章）開始前資料：用成人普查收入...

eyelash ‧ 2019-10-11

0 Like 0 留言 1132 瀏覽

鐵人賽 Google Developers Machine Learning DAY 26

Towards Tensorflow 2.0 系列第 26 篇

技術 [Day-26] 生成對抗網路 (GAN) 實作 Part I

今天我們來實作GAN，簡單複習一下，GAN的Component 有 Generator 以及 Discriminiator 。而 Generator 任務就...

Dan ‧ 2019-10-11

0 Like 0 留言 323 瀏覽

鐵人賽 AI & Data DAY 26

Python機器學習介紹與實戰系列第 26 篇

技術 DAY[26]-Kaggle實戰模型準備-線性模型

資料的部分準備完畢之後，接下來最重要的就是模型的產生以及訓練了，在這裡我們先定義了線性模型的交叉驗證以及參數組合，方便之後進行使用。定義交叉驗證評分函數 im...

Austin ‧ 2019-10-11 ‧團隊Bikini Bottom

0 Like 0 留言 426 瀏覽

鐵人賽 Google Developers Machine Learning DAY 25

Machine Learning（by Google）系列第 25 篇

技術【Day25】3rd：Fairness－評估偏差（evaluating for bias）

在評估模型的時候，會發現模型與結果有誤差，模型無法針對我們的測試集反映出真正結果，這就是評估的偏差（evaluating for bias）。這時候就是需要用到...

eyelash ‧ 2019-10-10

2 Like 0 留言 967 瀏覽

鐵人賽 Google Developers Machine Learning DAY 25

Towards Tensorflow 2.0 系列第 25 篇

技術 [Day-25] 生成對抗網路 (GAN) 介紹

今天我們來討論最近很流行的GAN，而最近很多新聞或者很多Youtuber都在討論他的應用，Ex: DeepFake 或者一些人像修圖應用。都是GAN的應用。 G...

Dan ‧ 2019-10-10

技術 結合交叉驗證之遞迴特徵刪除簡介(recursive feature elimination with cross-validation)

技術 [PSO文獻2]Adaptive Particle Swarm Optimization

技術 免費票║AI Experience Worldwide兩日線上全球大會

技術 優化雙雄 -- 最小平方法(OLS) vs. 最大概似法(MLE) , Part 2

技術 優化雙雄 -- 最小平方法(OLS) vs. 最大概似法(MLE) , Part 1

技術 [筆記]機器學習技法-支持向量機(Support Vector Machine , SVM)

技術 [PSO文獻1]Particle swarm optimization (PSO). A tutorial

技術 [ML] Pipeline無法縮放目標之解決方法

技術 dlib安裝心得 -- Windows 環境

技術 YOLO v4 安裝心得 -- Windows 環境

技術 以總統民調學習抽樣理論

技術 淺談機器學習的效能衡量指標 (4) -- 檢定力分析(Power Analysis)

技術 淺談機器學習的效能衡量指標 (3) -- 效能衡量指標與假設檢定的關聯

技術 淺談機器學習的效能衡量指標 (2) -- ROC/AUC 曲線

技術 淺談機器學習的效能衡量指標 (1) -- 準確率(Accuracy)、精確率(Precision)、召回率(Recall)

技術 【Day30】4th：現實案例&機器學習總結（含雜記）

技術 [Day-30] Transfer learning & Model Serving

技術 DAY[30]-機器學習介紹與實戰-心得

技術 [Day30] 數據分析相關工作之間的差異 & Google Machine Learning鐵人完賽心得

技術 【Day29】4th：現實案例－隱喻和政治傾向

技術 【Day28】4th：機器學習＋現實世界－癌症預測

技術 DAY[28]-Kaggle實戰 模型預測與答案輸出

技術 【Day27】3rd：Playground－訓練模型（by TensorFlow）#2

技術 [Day-27] 生成對抗網路 (GAN) 實作 Part II

技術 DAY[27]-Kaggle實戰 Boosting模型與Stacking

技術 【Day26】3rd：Playgrand－公平（Fairness）#1

技術 [Day-26] 生成對抗網路 (GAN) 實作 Part I

技術 DAY[26]-Kaggle實戰 模型準備-線性模型

技術 【Day25】3rd：Fairness－評估偏差（evaluating for bias）

技術 [Day-25] 生成對抗網路 (GAN) 介紹

At

技術結合交叉驗證之遞迴特徵刪除簡介(recursive feature elimination with cross-validation)

技術免費票║AI Experience Worldwide兩日線上全球大會

技術優化雙雄 -- 最小平方法(OLS) vs. 最大概似法(MLE) , Part 2

技術優化雙雄 -- 最小平方法(OLS) vs. 最大概似法(MLE) , Part 1

技術以總統民調學習抽樣理論

技術淺談機器學習的效能衡量指標 (4) -- 檢定力分析(Power Analysis)

技術淺談機器學習的效能衡量指標 (3) -- 效能衡量指標與假設檢定的關聯

技術淺談機器學習的效能衡量指標 (2) -- ROC/AUC 曲線

技術淺談機器學習的效能衡量指標 (1) -- 準確率(Accuracy)、精確率(Precision)、召回率(Recall)

技術【Day30】4th：現實案例&機器學習總結（含雜記）

技術【Day29】4th：現實案例－隱喻和政治傾向

技術【Day28】4th：機器學習＋現實世界－癌症預測

技術 DAY[28]-Kaggle實戰模型預測與答案輸出

技術【Day27】3rd：Playground－訓練模型（by TensorFlow）#2

技術【Day26】3rd：Playgrand－公平（Fairness）#1

技術 DAY[26]-Kaggle實戰模型準備-線性模型

技術【Day25】3rd：Fairness－評估偏差（evaluating for bias）