本篇是為了統整並使閱讀的各位和我自己了解機器學習內部實際的運作理論,在我日常使用相關技術時,常常是直接使用像是 tensorflow 或 pytorch 之類的套件去執行並實作出我們自己想要的結果,在使用時我自己常常會忽略或忘記這項技術背後的知識。
在接觸這領域有大概 2~3 年的我,決定在今年 2023 年自己試著撰寫自己對於機器學習相關技術背後理論的理解,目的是希望我能將此技術內化,並能透過此筆記給其他人參考或說鞭策自己,如果對於內容有疑慮歡迎聯絡我本人。
前言 在接觸機器學習幾年後,對於背後的理論確仍就是一知半解,於是這系列的文章誕生了。 接下來的文章會以每個主題技術分三天講解: 主題技術之背後理論 從頭實做主...
昨天我們聊到 Polynomial Regression 是一種希望透過數據使用多項式預測函數來建模,並且未知的模型參數也是通過數據來估計的回歸模型。 今天我們...
終於到第一次開始實做 Real World problem 了!!!這裡我們會透過 Kaggle competition 來了解 Polynomial Regr...
上次說到 Naive Bayes 是以貝氏定理來解決機器學習上的分類問題。 下方會透過一個簡單的郵件分類來說明 Naive Bayes Classifier 的...
第7天了! 今天所要學習的是透過 Naive Bayes Classifier 去完成 Digit Recognizer 我們首先可以觀察到這次任務的性質是屬...
在實作 Support Vector Machine 前,先簡介一下它可以做的任務類型。 支持向量機(Support Vector Machine,SVM)可以...
讓我們先了解今天 Kaggle Competition 的主題。 House Prices - Advanced Regression Techniques...