Ref.: Logistic Regression 今天講跟機率、跟邏輯相關的迴歸分析，機率老實說我非常不OK，但還好看完不會碰到太深奧的機率理論。 對，機...
在 再創奇蹟公司 待了６年已經習慣什麼東西都要有RoadＭap，這樣有 schedul 老闆才能好好的用力的 Review 你~~~~最近有個很火紅的機器學習1...
接著我們就來到了蠻重要的問題，既然一個 hidden layer 的網路架構就可以逼近任何連續函數，那麼為什麼要深度學習？ 對於這個問題，台大李宏毅老師有非常詳...
2018年堪稱是台灣的「AI 元年」，政府推動產業 AI 化，同時也不遺餘力的培養 AI 種子們。相信不管是在新聞媒體上或是公司內部都可常看到或聽到「AI」字眼...
除了上一篇提到的缺失值、空值資料以外，重複值以及離群值的資料也需要一併處理，資料如果有重複，會加重對結果的影響，若是資料有離群值，有可能是因為數據記錄錯誤或是誤...
提供給機器學習訓練的資料，必須先經過整合(若有多個資料集的情況)、資料格式轉換、處理缺失值及不一致的資料，確保資料是正確、乾淨一致的，避免 Garbage in...
為什麼大家到現在都這麼迷神經網路模型？ 我想主因不是因為他是模擬生物而來，他有一些更扎實的數學特性。 我們前面講過各種線性模型，然後將他過渡到神經網路。 今天要...
Ref.: Regularization for Simplicity 今天要討論的問題，可以用下面這張圖看出來：看到了嗎？紅色圈圈處多了一塊導致model...
Azure Machine Learning Studio 的 Data Format Conversions 可將資料集的資料做格式轉換，有以下5種： Co...
進入 Azure Machine Learning Studio，通常會從設計實驗開始，以下透過5個步驟快速建立一個簡易的機器學習實驗： 步驟 1：新增實驗 (...
Azure Machine Learning Studio 是個簡單好操作的機器學習工具。進入Azure Machine Learning Studio 官網，...
我們前面介紹了線性模型跟基本的神經網路模型。 可能有的人會覺得我怎麼不放神經網路的圖，看數學式子看的很痛苦。 是的，我的確沒打算放圖。一來神經網路的圖在各大網站...
Ref.: Feature Crosses Encoding Nonlinearity 這邊的概念很簡單，就是把Feature組合在一起餵進model。主要...
我們把線性模型們都大統一了。 接下來就要進入到令人興奮的神經網路模型了！ 首先，我們先來介紹著名的感知器...嗯...前面不是介紹過了？ 喔喔！對喔！他長這個...
Ref.: Representation 一直想不到最好的翻譯，Google一下找到資料科學協會說的： 機器學習分成三個主要部分：表現 (Represen...
AI學習基礎 我們幾乎每天都會看到幾則有關『人工智慧(AI)』的新聞，一般人(me too!)都會想一窺究竟，了解箇中奧妙，但是，初次接觸，探究其原理，很多人就...
課前練習: ExamRef.: Validation 記得我們昨天講的Training set and test set，我們分成Training set...
我們前面探討了不同的資料型態可以對應不同的迴歸模型。 不覺得每個迴歸模型都有那麼點相似的地方嗎？ 線性迴歸： 羅吉斯迴歸： Poisson 迴歸： 在右手...
上次我們講完了線性迴歸跟羅吉斯迴歸的差異。 可是並不是每一種資料都是連續型的或是類別型的。 這次要來介紹 Poisson 迴歸，當你要預測的是計數型資料（cou...
Ref.: Training and test sets 就一份data，哪來什麼Training set 跟 test set? 來看看下面的圖:是的，我...
我們從前面的模型演化可以了解一個機器學習模型可以怎麼樣衍生出其他的變體來解決問題。 現在我們要切換到另外一條跑道上，我們一樣是從線性迴歸模型出發，我們或許可以換...
Ref.: Generalization Generalization這部分在說要怎麼讓model也能適應沒新的、看過的data，只要新的data跟訓練mo...
我們來回顧一下 SVM 模型。 他可以被進一步轉成 在 SVM 的陳述當中，有沒有發現 這部份看起來跟 regularization 一樣。後半部份...
Ref.: TensorFlow exercises 昨天的文章大概講解了TensorFlow，今天來練習幾個Exercises。 Quick Introd...
Ref: First Steps with TensorFlow Tensorflow 中有很多Machine learning model可以使用，但它也...
雖然標題是說"標準" SVM，不過模型這種東西從來就沒有什麼標準，有的不過是變體。 所以這篇是要跟大家總結一下我們一般在用的 SVM 模型的...
從前面的 kernel SVM 當中我們已經獲得了很強大的模型，可是他還是會有不足之處，像是當資料有雜訊的時候就容易將每個資料點都個別分開。 有時候我們反而希望...
注意：整篇文章極度數學高能！！ 沒有把前一篇文章看完的朋友別擔心，我們會在開頭先回顧一下。在一番數學技巧的替換過後，我們的 maximum-margin cla...
上次我們完成了感知器的介紹，感知器也有他相對應的學習演算法：perceptron learning algorithm (PLA)。 不過我們今天沒有要講 PL...
Reference: Framing Google這邊的Machine learning有特別強調是Supervised machine learning，...
Joseph-bug
theneo
杜岳華
莉森揪
anny
iThome鐵人賽
看影片追技術