iT邦幫忙

鐵人檔案

第 11 屆 iT 邦幫忙鐵人賽
回列表
Google Developers Machine Learning

成為機器學習的王者 系列

機器學習簡單來說就是讓機器可以持續學習,找出資料間的關係,進而預測出未來的結果。
讓我們一起成為機器學習的王者吧!

參賽天數 7 天 | 共 7 篇文章 | 4 人訂閱 訂閱系列文 RSS系列文
DAY 1

Day1 踏入Machine Learning的世界+30天的規劃

機器學習是什麼? 機器學習(ML)簡單來說 「透過從過往的資料中學習,並且找出其規則,最後預測出未來的結果。」 以生活經驗舉例: 在上學的路途,可能會因為修路、...

2019-09-16 ‧ 由 queenawu 分享
DAY 2

Day2 機器學習介紹

昨天介紹完機器學習的相關概念,今天來講解一下,資料在電腦的世界的處理流程。 當大量資料出現 步驟一:資料前置處理 清理離群值、異常值或空值的資料,如在資料預測屬...

2019-09-17 ‧ 由 queenawu 分享
DAY 3

Day3 機器學習-資料正規化、標準化

回顧一下機器學習的流程,昨天大致講解機器學習的處理流程,並且說明在資料前處理上,如何整理缺失值、異常值及離群值,今天要來講解,如何做到資料正規化(Normali...

2019-09-18 ‧ 由 queenawu 分享
DAY 4

Day4 機器學習-特徵工程(資料過濾)

回顧一下機器學習的流程,昨天詳細講解完機器學習的前處理,今天要來介紹機器學習中的特徵工程(Feature Engineering)。 為什麼要做特徵工程呢?...

2019-09-19 ‧ 由 queenawu 分享
DAY 5

Day5 機器學習-Bayes Classification

昨天介紹完SKlearn中的Feature Engineer,今天要來介紹貝氏分類器(Naive Bayes Classification),該分類器模型在20...

2019-09-20 ‧ 由 queenawu 分享
DAY 6

Day6 機器學習-Linear-Regression

昨天介紹完貝氏分類器(Bayes Classification),有沒有覺得SKlearn內的函數真的很好用呀!今天要來介紹常用的線性迴歸(Linear-Reg...

2019-09-21 ‧ 由 queenawu 分享
DAY 7

Day4 機器學習-Gaussian Linear Regression

昨天介紹完Linear Regression,今天要來繼續介紹高斯函數在Linear-Regression的應用。高斯函數本身不是SKlearn中的模組,因此,...

2019-09-22 ‧ 由 queenawu 分享