Day11 machine learning -Optimization

11天了，快要一半了，加油!! 接下來講講最適化~ 這邊會講到損失函數 機器學習通常用損失函數表示好壞 損失函數的定義就是樣本跑出來與真正值之間的差別，平方是...

Day12 machine learning

今天來說說ML模型陷阱 性能指標 混淆矩陣 機器學習看起來很厲害，但其實很費時間，因為你必須訓練---測試---評估結果不段循環之後才可以使用這個演算法，那我...

Day13 Generalization and ML Models

快要一半了，加油 今天來說說有關於 泛化的事情 我們知道訓練時有一個過於適當的機器模型不是一件好事，因為會產生overfitting現象 意思是只會寫考古題的學...

Day14 machine learning 總結

來回顧一下就好~~ 基本上整個流程是這樣 找出最佳參數--->評估結果--->神經網路使用 之後可以藉由泛化來避免overfitting的現象...

Day15 machine learning - TensorFlow

進入到第四章了 來介紹一下TensorFlow 前幾章都是在介紹原理，這邊google的工程師會帶我們實戰 tensorflow就是機器學習的框架，然後g...

Day16 machine learning

開始tensorflow的實作 tf.add()就是相加的意思 tf.session創建一個tensorflow session Session是媒介，負責運...

Day 17 google machine learning

一樣會貼簡介

Day18 machine learning

貼整個程式碼流程 ![https://ithelp.ithome.com.tw/upload/images/20190919/201201260eP1I...

Day19 machine learning

Day20 machine learning

![https://ithelp.ithome.com.tw/upload/images/20190921/20120126D33VP5bQJj.png](h...