iT邦幫忙

初學者相關文章
共有 58 則文章
鐵人賽 AI & Data DAY 28

技術 [DAY28] 機器學習 - 自然語言NLP(一)

NLP步驟 將文件收集到語料庫內 基元化(語彙基元tokens) 句子基元化&偵測語言 文本通常被分割成句子 pip install langde...

鐵人賽 AI & Data DAY 27

技術 [DAY27] 機器學習 - 決策樹(三)

梯度(Gradient) 是目標函數在某個點的局部斜率或變化率。 梯度提升(Gradient Boosting) 集成學習 多個弱學習器(通常是決策樹)...

鐵人賽 AI & Data DAY 26

技術 [DAY26] 機器學習 - 決策樹(二)

整體/集成學習 通過結合多個基本模型的預測結果,獲得更好的整體預測性能。 可以是相同類型的模型,也可以是不同類型的模型。 通過集體決策來消除個別模型的不足,從...

鐵人賽 AI & Data DAY 25

技術 [DAY25] 機器學習 - 決策樹(一)

決策樹 用於分類和回歸問題。 混亂評估指標 Information Gain (資訊獲利) 衡量了使用某個特徵分割後熵的減少 熵是衡量不確定性的指標。...

鐵人賽 AI & Data DAY 24

技術 [DAY24] 機器學習 - 強化學習

強化學習概論 讓智慧型代理人/智慧體/智能體(intelligent agent)通過與環境的交互學習如何做出決策,以最大化一個獎勵信號。它通常涉及到Agent...

鐵人賽 AI & Data DAY 23

技術 [DAY23] 機器學習 - 分群與分類(三) 監督學習

監督式學習(分類-Binary、演繹法) 分類理論(Binary) 通常可以分為二元分類(Binary Classification)和多類別分類(Multic...

鐵人賽 AI & Data DAY 22

技術 [DAY22] 機器學習 - 分群與分類(二) 非監督學習

非監督式學習(分群-距離、相似特徵、歸納法) 分群演算法: K-Means 聚類:將數據分為 K 個不同的群集,每個群集由其內部的數據點的相似性來定義。...

鐵人賽 AI & Data DAY 21

技術 [DAY21] 機器學習 - 分群與分類(一)

分群理論 群內差異小,群間差異大 找出比較相似的資料聚集在一起,形成集群(Cluster) 相似性的依據是採用歐式距離,相對距離愈近、相似程度越高,被歸類至同...

鐵人賽 AI & Data DAY 20

技術 [DAY20] 機器學習 - 支援向量機(二)

決策邊界(Decision Boundary) 分類問題: 二元或多元分類問題 二元分類: 決策邊界是一條線、曲線或超平面 多元分類: 決策邊界是多維...

鐵人賽 AI & Data DAY 19

技術 [DAY19] 機器學習 - 支援向量機(一)

支援向量機(Support Vector Machine,SVM) 用於監督式學習中的分類和回歸 找到一個超平面將不同類別的數據點分開,同時最大化兩個類別之間...

鐵人賽 AI & Data DAY 18

技術 [DAY18] 機器學習 - 貝氏分類器

貝氏定理 P(A∣B) = P(B∣A)⋅P(A)/P(B) P(A∣B):表示在事件B發生的條件下,事件A發生的機率,稱為後驗機率。 P(B∣A):表示在...

鐵人賽 AI & Data DAY 17

技術 [DAY17] 機器學習-迴歸分析(二)

邏輯迴歸 (Logistic Regression) 分類度量 混淆矩陣(Confusion Matrix) 混淆矩陣包括真正例(True Positives,...

鐵人賽 AI & Data DAY 16

技術 [DAY16] 機器學習-迴歸分析(一)

於建立自變數(cause)和依變數(dependent variable)之間關係的統計模型 自變數(independent variable):解釋變數,是...

鐵人賽 AI & Data DAY 15

技術 [DAY15] 機器學習基本架構(二): 特徵工程Part2

訓練與測試集合 訓練集就像是在一門課學習東西;測試集就像是學完這堂課的內容後所出的考試 from sklearn.model_selection import...

鐵人賽 AI & Data DAY 14

技術 [DAY14] 機器學習基本架構(二): 特徵工程Part1

特徵工程 將原始數據轉換為更有價值和更有意義的特徵,以改善機器學習模型的性能。良好的特徵工程可以提高模型的準確性、降低過度擬合風險 特徵正規化 線性函數正規化(...

鐵人賽 AI & Data DAY 13

技術 [DAY13] 機器學習基本架構(一): 資料前處理

基本架構 1.找出問題2.思考是否真的需要使用機器學習?3.資料收集4.資料前處理5.特徵工程6.模型訓練7.模型評估8.微調模型&參數9.預測&amp...

鐵人賽 AI & Data DAY 9

技術 [DAY9] Python基礎程式應用(二)

Pandas 用於數據處理和分析。它提供了兩種主要的數據結構,即DataFrame(類似於表格)和Series(類似於一維數組)。Pandas允許您輕鬆地讀取、...

鐵人賽 AI & Data DAY 8

技術 [DAY8] Python基礎程式應用(一)

這兩天要來介紹的是Python程式設計的應用,我個人是覺得既然學了不是要拿來用的R,不然學了幹嘛到最後還是忘光光Xd 不知道怎麼安裝的請往前翻 Danke 計...

鐵人賽 AI & Data DAY 6

技術 [DAY6] Python基礎程式進階 (一)

今天來點開胃菜提供練習~ 還有提供物件導向(OOP)的範例! 開胃菜 Bubble sort 通過反複比較相鄰的元素使其交換,使最大/最小的元素移到列表的一端...

鐵人賽 AI & Data DAY 4

技術 [DAY4] Python基礎程式入門 (三)

今天的內容主要介紹的是列表List、元組Tuple以及字典Dictionary和集合Set,學會這些東西將會對於資料整理、爬蟲、數據分析等等許多領域都會有很多幫...

鐵人賽 AI & Data DAY 3

技術 [DAY3] Python基礎程式入門 (二)

既然都學程式了怎麼能一個一個打呢,學會用陣列的話很多資料處理會變得很方便喔~ 陣列 Array 一維陣列 one-dimensional array 陣列是一種...

鐵人賽 AI & Data DAY 2

技術 [DAY2] Python基礎程式入門 (一)

變量 variable 內存中⽤於存儲值的命名位置 x = 10 #整數 y = "hello" #字串 z = [1, 2, 3] #陣列...

鐵人賽 AI & Data DAY 1

技術 [DAY 1] 前言

為何參與鐵人賽? 大家好! 我是泉韵,這是我第一次參加鐵人賽,為甚麼我要參加呢?,其實我原本根本不知道這是甚麼,有一次我跟一個資工的學長一起在宿舍去洗衣服,看到...

技術 迷茫大四生宅在宿舍佛系自學JavaScript Day3

CSS基礎 CSS(Cascading Style Sheets,階層樣式表)是一種風格頁面語言(Style Sheet Language),主要用來讓HTML...

技術 迷茫大四生宅在宿舍佛系自學JavaScript Day2

HTML基礎認識 Hypertext Markup Language(HTML):是一種標記語言(markup language),主要用於組織架構以及呈現網頁...

技術 迷茫大四生宅在宿舍佛系自學JavaScript Day1 <Beginning>

前言 日子一天天過去,即將迎來人生求學階段的最後一場畢業。學業旅途的結束,意味著我離踏入職場的距離越來越近,我承認興奮是有的,因為我人生的工作生涯即將啟程,但更...

技術 C# Console 用法整理

集合了一些關於Console的資料以及自己練習範例在以下 關於Console C#中的console表示控制台。 Console 是一個類別 主要用於控制台應用...

技術 【C language part 4】陣列與字串&函式

陣列 陣列是一群具有相同名稱或資料型態的變數集合。 由於整個陣列中的變數均具有相同的名稱,因此若要存取陣列中的變數,我們只需要透過陣列的 index 來...

技術 【C language part 3】條件&迴圈

條件判斷 Decision Control Statement 為了應付程式可能遇到的各種狀況,C 提供了 if 條件判斷陳述。 情況、情境、狀態或條件的陳述...

技術 【C language part 2】變數&資料型態、輸入輸出、運算子&運算式

撰寫第一支程式!! #include &lt;stdio.h&gt; #include &lt;stdlib.h&gt; void main() {...