將所有樣本中相近得樣本點組成一個群組，一層一層往上堆疊，直至所有的樣本皆被分成一個群組為止 Hierarchical Clustering 透過將最接近的...
是基於 Gradient Boosted Decision Tree (GBDT) 改良與延伸 Boosting XGBoost是一種集成學習技術，通過組...
在前幾天的筆記中有介紹過線性回歸（Linear Regression），線性回歸中的因變數與自變數呈現直線關係（線性關係），但實際上直線並不一定能很好的展現因...
今天我們要實做 Feed Forward Network 前饋式神經網路是一種人工神經網路結構，也稱為前饋網路或前向傳播網路。 它是一種最基本的神經網路結構，通...
再續昨天！今天的筆記把論文剩餘的部分整理完 Hard negative mining 難例挖掘 由於存在大量的負樣本，所以導致嚴重的類別不平衡問題，訓練時...
SVM (Support Vector Machine) 若資料為非線性，將資料映射到高維空間中(用kernel function) 找一超平面將資料分開，...
CNN的概念圖如下： （ 圖片來源：https://reurl.cc/l7g1LY ） Convolution Layer 卷積層 卷積的主要概念就是特徵擷...
人工智慧（AI）最近在科技界成為熱門詞彙，每個人都想參與AI領域。我想分享一下我對AI基礎的學習心得，包括：數據建模、語言學習模型（LLM）和機器學習（ML）的...
可以用來降維(dimension reduction)，利用原有的特徵組合成新的特徵組，以達到降維的目的，同時保留住資料中的重要資訊 基本上它的目標就是將...
續上一篇機器學習 挑戰 - Day 8 我想使用最後一篇文章來回顧我在第0天的原始計劃以及實際所做的事情。 回報時間框架： 日內交易（每日）- 我主要關注每日...
接續作天，今天講訓練相關策略及方法 training Matching strategy 匹配策略 利用jaccard overlap使ground tr...
點與點之間的距離 K-NN依照點與點之間的距離來計算點之間的相似性 通常使用的距離度量是歐氏距離（Euclidean Distance），但根據實際情況，也可...
續上一篇機器學習 挑戰 - Day 5，我們今天繼續詳細研究一下如何套用 tensorflow.keras.sequential 來預測BTC的價格。 我想嘗試...
利用弱分類器（決策樹）迭代訓練或得強分類器，其具有訓練效果好、不易過擬合等優點。 LightGBM V.S. XGBoost 圖源: https://re...
使用多種學習算法來獲得比單獨使用任何單獨的學習算法更好的預測效果 集成學習 通過建立幾個模型組合來解決單一預測問題 所用來組合的多個模型之間要有差異...
續上一篇LLM 和機器學習的介紹-Part 1，我想更深入地介紹一些數據建模、LLM和機器學習的示例。 統計概念大數據以及machine learning的基礎...
續上一篇機器學習 挑戰 - Day 4，我們今天繼續詳細研究一下如何套用 tensorflow.keras.sequential 來預測BTC的價格。 首先，我...
總的來說就是物以類聚 K-means Clustering 將數據集中的數據點分成不同群組，以便相似的數據點彼此靠近 選擇K值: 決定要將資料分成...
為強學習機融合方法 stacking 第一層為level 0，第二層為level 1 第一層可包含多個學習機，第二層只能有一個 第一層的學習機被稱為...
是一種決策樹 決策樹 根據特徵進行分割(同子集內盡量相似) 重複分割直到達到設定的深度 建構決策樹 對決策樹進行遍歷，得出結果 CART流程 所有的樹...
原理 組合多個弱學習機來構建一個強學習機 將每個樣本的權重初始化為相等的值 建構弱分類器 將誤差大的資料權重加大 重複２跟３ 加權投票決定結果 建構弱...
續上一篇LLM 和機器學習的介紹-Part 3，我們繼續討論一些數據模型(data models) 牛頓冷卻定律 Newton's Law of Cooling...
前幾天的迴歸模型中，我們希望找到一個函數能最好的表達因變數與自變數之間的關係，而尋找這個函數的方法就是定義損失函數(loss function)或稱成本函數(...
yao021019
whoami
Papii
iThome鐵人賽
看影片追技術