iT邦幫忙

鐵人檔案

第 11 屆 iThome 鐵人賽
回列表
Google Developers Machine Learning

30天鍊成機器學習 系列

30天學會機器學習並且透過Google Colaboratory 進行科學計算

鐵人鍊成 | 共 30 篇文章 | 16 人訂閱 訂閱系列文 RSS系列文
DAY 1

什麼是機器學習

定義 機器學習是人工智慧(AI)的一種應用,它為系統提供了自動學習和改進經驗的能力,而且不需要過於顯著的程式能力。機器學習的核心是開發模型,可以訪問數據,並使用...

2019-09-16 ‧ 由 Tony.Ko 分享
DAY 2

機器學習工作流

機器學習的主要步驟為:收集數據、訓練模型、部署模型; 而數據科學是:收集數據 、分析數據、建議修改。 (以AI for everyone的教材內容作為範例)我們...

2019-09-17 ‧ 由 Tony.Ko 分享
DAY 3

迴歸

定義 迴歸問題是監督式學習的一種,主要目的是從Data-set裡頭找到一個函數,得以在輸入特徵值後輸出一個預測值。 典型的迴歸問題 數據擬合曲線 線性迴歸 線...

2019-09-18 ‧ 由 Tony.Ko 分享
DAY 4

代價函數

什麼是代價函數 代價函數的作用是幫助我們找到最佳解的目標函數。代價函數和損失函數有什麼不一樣呢?主要是兩個函數的目標對象不一樣,損失函數是目標範圍定義在單個樣本...

2019-09-19 ‧ 由 Tony.Ko 分享
DAY 5

梯度下降

很多機器學習算法最後都被歸納為求解最佳化問題。在各種最佳化問題裡,梯度下降法是最簡單也最常見的一種,因此在深度學習的訓練中被廣為廣用。 最佳化問題 實際應...

2019-09-20 ‧ 由 Tony.Ko 分享
DAY 6

正規方程 Normal Equation

定義 在梯度下降演算法中,求代價函數最小值時,是通過求導數來獲得。因此對於代價函數的每個參數,我們都需要分別求出各自的偏微分,如果參數越多,也就是特徵越多的問題...

2019-09-21 ‧ 由 Tony.Ko 分享
DAY 7

多項式迴歸

前言 在之前的線性迴歸章節中,我們假設目標函數是一元一次方式,也就是一條直線方程。很多時候我們會遇到無法用線性方式擬合數據的情項,這個時候可以將目標函數改成多項...

2019-09-22 ‧ 由 Tony.Ko 分享
DAY 8

過擬合與欠擬合

前言 在上編文章中,我們使用多項式迴歸獲得更加淮確的擬合曲線,得到了對訓練數據更好的擬合結果。然而我們也發現過份地對訓練數據擬合也會丟失信息。 欠擬合 un...

2019-09-23 ‧ 由 Tony.Ko 分享
DAY 9

邏輯迴歸-分類問題

邏輯迴歸的定義 邏輯迴歸是一種解決二分類(0或1)問題的方法,用於估計某種事物的可能性,比如某客人是否會到某間餐廳用餐,或是某廣告被用路人看見的可能性。 為什麼...

2019-09-24 ‧ 由 Tony.Ko 分享
DAY 10

邏輯迴歸 - 假設函數

假設函數(Hypothesis function) 首先,我們先介紹Sigmoid函數,又稱為邏輯函數(Logistic function): 其函數圖形如下:...

2019-09-25 ‧ 由 Tony.Ko 分享