iT邦幫忙

machine learning相關文章
共有 343 則文章

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...

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...

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...

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...

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...

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...

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...

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...

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...

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...

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...

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...

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...

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...

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...

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...

Towards Tensorflow 2.0 系列 第 30

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...

鐵人賽 AI & Data DAY 30

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...

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...

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...

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...

鐵人賽 AI & Data DAY 28

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...

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...

Towards Tensorflow 2.0 系列 第 27

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...

鐵人賽 AI & Data DAY 27

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...

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...

Towards Tensorflow 2.0 系列 第 26

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...

鐵人賽 AI & Data DAY 26

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...

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...

Towards Tensorflow 2.0 系列 第 25

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...