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，...
感知器（perceptron）是在 1957 年就被發明出來的的模型，對電腦的發展或是人工智慧來說都是非常早期的。 感知器模型他是一個二元分類的分類器，他解的是...
Reference: Introduction to Machine Learning 這篇簡單介紹Machine learning，但這也挺有趣的，手機版...
這個模型大概已經被人講過很多次，講到都快要爛掉了XD 其實我自己在兩年前的鐵人賽中也有講過同一個模型，所以我就不用講太多基礎的部份： [Day 02] 解構...
Reference: Prerequisites and Prework過程中我會盡量避免翻譯英文，每次都卡在英文看得懂，要講中文講不出來。尤其是專有名詞，太...
上個禮拜才剛從美國回來，周末又講了兩天整天的機器學習課程，完全忘記鐵人賽開賽的事情....... 這一系列文章將會專注在機器學習的模型上，會從傳統的機器學習模型...
想請問關於k折交叉驗證1.我自己隨便建立一個np.array如下X = np.array([[1,2],[3,4],[1,2],[3,4],[1,2],[3,4...
前言 在 Neural Network 的求解過程中，最重要而難懂的觀念應該是『梯度下降』(Gradient Descent)吧 ，我雖然在Day 03：Neu...
意料之外 總算來到了最後一天，想想真不該隨口答應別人的XDDD 從開賽前的兩個禮拜預衝刺，一直到開賽前一天才進入了 其實中間不只先聽了 coursera 上的...
嗨，今天是第28天！ 今天要來聊聊機器學習中的特徵標準化(normalization)，包含： 什麼是特徵標準化？ 為什麼要標準化？ 特徵標準化怎麼做？ 什...
嗨，今天是鐵人賽的第27天啦！今天要介紹的是一個簡單的預測法：線性迴歸（linear regression)！ 主要內容： 什麼是線性迴歸 建立隨機迴歸資料...
What's ahead in the specialization 最後讓我們來回顧一下課程中提到那些內容吧 regression 在 regression...
Open challenges in ML 在這門課裡面提到了許多不同的機器學習方法以及其可能的應用，但這堂課還是留下一些問題，所以接下來就是要談談這些挑戰 M...
Joseph-bug
杜岳華
I code so I am
nylon
plusone
iThome鐵人賽
看影片追技術