iT邦幫忙

machine learning相關文章
共有 778 則文章
鐵人賽 AI & Data DAY 8

技術 Day 8 Q learning如何實現

Q learning如何實現 今天我們就要來看看如何實現Q learning!code參考這篇製作Q* Learning with FrozenLakev2.i...

鐵人賽 AI & Data DAY 7

技術 Day 07:Keras Callback 的使用

前言 Callback 可以在模型訓練過程中觸發事件,記錄訓練過程產生的資訊、在查核點(Checkpoint)對模型存檔、迫使訓練提早結束...等,除了可以使用...

鐵人賽 AI & Data DAY 7

技術 Day 7 強化學習之Q learning

強化學習之Q learning 介紹完監督式學習與非監督式學習,我們來介紹強化學習! Q learning Q learning為強化學習,根據wiki的描述...

鐵人賽 AI & Data DAY 6

技術 Day 06:Keras 模型結構

前言 從這篇起,我們就Keras各部分的功能進行研究,包括: 模型結構 執行工作記錄(Callback 及 TensorBoard) Dataset Esti...

鐵人賽 AI & Data DAY 6

技術 Day 6 強化學習就是一直學習?

強化學習就是一直學習? 介紹完監督式學習與非監督式學習,我們來介紹強化學習!根據wiki的定義 強化學習(英語:Reinforcement learning,...

鐵人賽 AI & Data DAY 5

技術 Day 5 GAN如何實現

GAN如何實現 今天我們就要來實際來實作一個GAN!code參考這篇製作simple_keras_GAN 前置作業 我們使用Colab來當作我們的實作平台,並使...

鐵人賽 AI & Data DAY 5

技術 Day 05:神經網路的效能調校(續)

前言 上一篇我們作了一些實驗,對單一參數作各種數值的比較,但是,如果同時使用多個參數作各種組合的比較,那就需要撰寫迴圈了,讓每一種組合依序執行,再加上 Cros...

鐵人賽 AI & Data DAY 4

技術 Day 04:神經網路的效能調校(Performance Tuning)

前言 上一篇,我們完成了手寫阿拉伯數字的辨識,但同時也留下很多的問題: 為什麼模型要設成兩層完全連接層(Dense)? 為什麼第一層完全連接層(Dense)要...

鐵人賽 AI & Data DAY 4

技術 Day 4 GAN是一種X話吧?

GAN是一種X話吧? GAN是一種很厲害的技術,可以透過GAN生成以假亂真的圖片。為非監督式學習。 簡介 GAN分為Generator與Discriminato...

鐵人賽 AI & Data DAY 3

技術 Day 3 CNN如何實現

CNN如何實現 今天我們就要來實際來實作一個CNN! 前置作業 我們使用Colab來當作我們的實作平台,並使用Keras來完成。 資料集 fashion_mni...

鐵人賽 AI & Data DAY 3

達標好文 技術 Day 03:撰寫第一支完整的 Keras 程式

前言 上一篇,我們完成了一個神經元的計算,如果要完成整個神經網路的計算,一個一個神經元撰寫,程式碼可能要很多迴圈,才能完成多層式的神經網路,因此,深度學習套件又...

鐵人賽 AI & Data DAY 2

技術 Day 2 CNN是新聞頻道呀~

CNN是新聞頻道呀~ 一般人聽到CNN一定會覺得,這是新聞頻道呀,而我們今天要介紹新聞頻道?其實不是,我們今天要介紹的是Convolutional Neural...

鐵人賽 AI & Data DAY 2

技術 Day 02:梯度下降與自動微分

前言 上一篇講了一堆安裝的困難,如果,本機安裝不起來,可以直接使用Google Colaboratory 雲端環境,它有免費的GPU/TPU 可使用,而且常用套...

鐵人賽 AI & Data DAY 1

技術 Day 1 前言

前言 這是我第一次參加IT邦幫忙的鐵人賽,希望透過一系列的文章來幫助自己複習與學習新知,那麼我們先從機器學習是什麼開始吧! 機器學習 機器學習是人工智慧的其中一...

鐵人賽 AI & Data DAY 1

達標好文 技術 Day 01:輕鬆掌握 Keras

Keras 不是很簡單嗎? Keras 是深度學習最簡單的敲門磚,但是,計畫趕不上變化,所有市面上的書籍都追不上 Keras 版本的更新,例如: Google...

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 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 [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 [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 [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 [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...

達標好文 技術 YOLO v4 建置心得 -- 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『信心水準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...

達標好文 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...

達標好文 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...