iT邦幫忙

鐵人檔案

2019 iT 邦幫忙鐵人賽
回列表
Everything on Azure

Azure Machine Learning Studio 系列

了解如何透過 Azure Machine Learning Studio 依據現有的資料進行資料處理、建立模型、訓練、測試、發佈,執行結果預測。

鐵人鍊成 | 共 30 篇文章 | 21 人訂閱 訂閱系列文 RSS系列文
DAY 11

Azure Machine Learning Studio 資料前處理 - 替換離散值 Replace Discrete Values

Replace Discrete Values 通常用在兩個變數間,計算結果有兩種: 若 B 欄位屬於 categorical value 分類變量,會計算:...

2018-10-24 ‧ 由 anny 分享
DAY 12

Azure Machine Learning Studio 資料前處理 - 評估機率函數 Evaluate Probability Function

Evaluate Probability Function 評估機率函數 Evaluate Probability Function 有許多概率分布函數,包含...

2018-10-25 ‧ 由 anny 分享
DAY 13

Azure Machine Learning Studio 特徵篩選 Filter-Based Feature Selection

在機器學習中,輸入的資料欄位稱為 feature(特徵),輸出的欄位稱為 Label(標籤),如果資料特徵與模型無關或不重要,通常會干擾模型,影響結果,所以不是...

2018-10-26 ‧ 由 anny 分享
DAY 14

Azure Machine Learning Studio 彙總資料 Summarize Data

Azure Machine Learning Studio 的 Summarize Data 可以對資料集整體做一些基礎計算,用來了解資料的分布狀況,計算後的輸...

2018-10-27 ‧ 由 anny 分享
DAY 15

Azure Machine Learning Studio 選擇演算法

在做完資料處理及特徵篩選後,接下來就是選擇演算法來訓練我們的模型,這階段算是機器學習流程中最關鍵的部分了,通常我們會依據想預測的問題以及現有的數據資料,來決定要...

2018-10-28 ‧ 由 anny 分享
DAY 16

Azure Machine Learning Studio 交叉驗證 Cross Validate Model

一般我們會將資料集樣本分為兩部分,約 70% 當作訓練集,用來建立模型,另外 30% 當作測試集,用來測試訓練好的模型效能。但也有另一種做法就是交叉驗證(Cro...

2018-10-29 ‧ 由 anny 分享
DAY 17

Azure Machine Learning Studio 訓練模型 Train Model、計分模型 Score Model、評估模型 Evaluate Model

在 Azure Machine Learning Studio 建構一個預測實驗,可以使用 Train Model 先訓練這個模型,然後再用 Score Mod...

2018-10-30 ‧ 由 anny 分享
DAY 18

Azure Machine Learning Studio 演算法比較 - 評估模型 Evaluate Model

上一篇有提到,在建立完預測模型後,可以使用 Evaluate Model 評估模型來檢視模型的效能,而除了單一模型檢視外,Evaluate Model 也可以用...

2018-10-31 ‧ 由 anny 分享
DAY 19

Azure Machine Learning Studio 分類 - 二元分類 Two-Class Classification

分類(Classification)為預估模型常用的方法,在 Azure Machine Learning Studio 中的分類演算法依據結果類別數量,分成二...

2018-11-01 ‧ 由 anny 分享
DAY 20

Azure Machine Learning Studio 分類 - 多類別分類 Multiclass Classification

多類別分類(Multiclass Classification)用在當實驗的預測結果不只分成兩類別的時候,像是字母手寫辨識、數字手寫辨識、NBA 季後賽的優勝隊...

2018-11-02 ‧ 由 anny 分享