iT邦幫忙

machine learning相關文章
共有 713 則文章
鐵人賽 AI & Data DAY 13

技術 DAY[13]-機器學習(4)競賽常勝軍(xgboost&lightgbm)

接下來要介紹的是數據競賽中最常見到的兩個模型,xgboost以及lightgbm。這兩個模型都是基於前一篇文章所提到的Boosting演算法,基於決策樹來形成的...

鐵人賽 AI & Data DAY 19

技術 Day 19 ResNet-從旁邊來囉

ResNet-從旁邊來囉 今天我們要介紹另一種的CNN,Residual Network。 深度CNN 為了取得更多或更深層的特徵,我們會採用越來越多層的CNN...

鐵人賽 AI & Machine Learning DAY 15
到底是在learning什麼拉 系列 第 15

技術 [day 14] 分群與相似度-4

Other examples of clustering 我們已經討論完分群與相似度的概念,這邊將再舉出一些例子 圖片搜尋:當你上了Google圖片搜尋,你搜...

鐵人賽 自我挑戰組 DAY 7
機器學習入門 系列 第 7

技術 ML_Day7(Logistic Regression Error)

簡單回顧前幾章提到的linear classificaton、linear regression及logistic regression,其實都有共通的地方,...

鐵人賽 AI & Machine Learning DAY 12
到底是在learning什麼拉 系列 第 12

技術 [day 11] 分群與相似度-1

Document retrieval: A case study in clustering and measuring similarity 在這個章節我們將...

技術 Jupyter Notebook 輸入欄位設計(1)

前言 撰寫機器學習/深度學習相關程式時,我們常要調整超參數(Hyperparameters),觀察模型的準確度或其他效能指標的變化,如果能設計各式輸入欄位,就很...

鐵人賽 AI & Data DAY 24
跟著Google學ML 系列 第 24

技術 [Day 24] Static vs. Dynamic training

Ref.: Static vs. Dynamic training 其實前面還有一篇Production ML Systems,這篇的主要概念就是我們之前的...

鐵人賽 AI & Data DAY 7

技術 08 l2-regularized 線性模型

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...

鐵人賽 AI & Machine Learning DAY 19
到底是在learning什麼拉 系列 第 19

技術 [day 18] 推薦系統 -3

Recommendations from known user/item features 現在的問題是,我們該如何給出推薦呢? 我們要藉由什麼方法去推測,一個...

鐵人賽 Everything on Azure DAY 2

技術 Azure Machine Learning Studio 建立 hello world 實驗

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 (...

鐵人賽 AI & Machine Learning DAY 23
到底是在learning什麼拉 系列 第 23

技術 [day 22] 深度學習-2

Application of deep learning to computer vision 第一次讓 neural networks 大展身手的領域是在計算...

鐵人賽 AI & Machine Learning DAY 9

技術 [day 8] 回歸分析-實作(上)

Loading & exploring house sale data 今天要來實作一個跟回歸分析相關的題目,我們將引用課程提供的房價訊息(King C...

技術 【Day17】2rd:特徵十字(Feature Crosses)# 2 -One-Hot Vectors

為解決無法用「線性函數」做區別的資料,除了前一篇所言,還可以使用「Crossing One-Hot Vectors」。(也許可以說「一個熱鍵」?) 文章:cr...

鐵人賽 AI & Data DAY 23

技術 24 Recurrent neural network

接續上一篇。 Recurrent neural network 那大家所熟知的 RNN 是怎麼回事呢?我們把假設改了一下: 狀態都是 連續 的。 時間是離散的...

技術 【Day7】2rd:TensorFlow、Colab簡介

現在正式進入TensorFlow的領域,在那之前,TensorFlow到底是什麼呢? TensorFlow一款Google開發的工具,現為開源軟體庫,用於各種...

鐵人賽 Everything on Azure DAY 5

技術 Azure Machine Learning Studio 資料前處理 - 重複值 Remove Duplicate Rows、離群值 Clip Values

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...

技術 【Day22】3rd:數據依賴關係(Data Dependencies)

在程式開發中,對於程式的品質非常重要,我們有各個種測試方式測試,最常用的就是單元測試(Unit test)。但是機器學習沒有這樣的機制,只能用直接輸入數據,直接...

鐵人賽 AI & Machine Learning DAY 14
到底是在learning什麼拉 系列 第 14

技術 [day 13] 分群與相似度-3

Clustering documents task overview 基本上檢索文件的方法,只是收集所有文章快速瀏覽並從中挑出最符合我們標準的那一個 但我們可能...

鐵人賽 自我挑戰組 DAY 20
機器學習入門 系列 第 20

技術 ML_Day20(KNN與K-Means差異)

簡單回顧關於兩者更詳細的介紹可以參考ML_Day18(K-Means)及ML_Day19(KNN(懶惰學習)),這邊做一下整理,歸納出兩者的差異性,不然光看兩...

鐵人賽 AI & Machine Learning DAY 26
到底是在learning什麼拉 系列 第 26

技術 [day 25] 深度學習-小範例

Deep features for image retrieval 我們可以從上一個例子看到 Deep features 用在圖片分類中的效用 我們可以獲得較為...

鐵人賽 AI & Data DAY 15
跟著Google學ML 系列 第 15

技術 [Day 15] 邏輯迴歸分析Logistic Regression

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...

技術 [Day - 5]Python語言在機器學習的優勢

可執行的偽代碼清晰的語法結構自帶高級數據類型,便於實現抽象的數學概念易於處理非數值型數據從html中提取數據簡單直觀Python比較流行使用廣泛,代碼範例多豐富...

鐵人賽 自我挑戰組 DAY 12
機器學習入門 系列 第 12

技術 ML_Day12(SGD, AdaGrad, Momentum, RMSProp, Adam Optimizer)

簡單回顧在ML_Day10(Gradient Descent)有介紹什麼是SGD,就是只對一個example的loss做計算,求梯度最小值。也介紹什麼是Ada...

鐵人賽 AI & Data DAY 5

技術 MLOps 帶給商業與技術流程的5個好處與13個指標 | MLOps落地指南 - 流程篇

MLOps除了ML之外,另一部分則是DevOps(develop operations)。事實上,技術的運作(operation)與商業的運作是密不可分的。其中...

鐵人賽 AI & Data DAY 11

技術 12 從線性模型到神經網路

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...

技術 【Day 03】什麼是AI?

今天是專題研究,我們老師請了來自台科大的碩士大大來教我們XD在之前就經歷過Google的教程後好理解非常多,就順便在這裡做個筆記。 相信大家對於AI應該已經不...

鐵人賽 AI & Machine Learning DAY 8

技術 [day 7] 分類-4

Classifictaion 在前面討論完了classifiers的誤差率與正確率 其中誤差其實有若干種不同的型態 False positives, false...

技術 [Day - 2] 機器學習概論(下)

1.機器學習與人工智能 機器學習是人工智能研究發展到一定階段的必然產物 人工智能”推理期”:只要能賦予機器邏輯推理能力,機器就具有智能 人工智能”知識期”:要使...

鐵人賽 AI & Data DAY 20

技術 DAY[20]-Kaggle實戰-資料前處理與EDA

匯入與觀察資料 from google.colab import drive drive.mount('/content/gdrive') train = pd...

鐵人賽 AI & Data DAY 11

技術 Day 11 SVM-分分分

SVM-分分分 今天我們要來介紹SVM(Support Vector Machine)。 線性可分 假設現在我們要分類圓形還有正方形,那麼以這個例子來說,可以用...