Java瑪奇朵-非本科系的IT吃喝電玩日誌

人工智慧這次要幫大家解決危險的駕駛盲區問題!!有開車的大家一定不要錯過今天的文章喔!!

(繼續閱讀...)

文章標籤

Java瑪奇朵 發表在 痞客邦 留言(0) 人氣(1)

今天的人工智慧相關文章要來跟大家介紹如何用人工智慧科技破解馬賽克!!想了解的同學不要錯過今天的文章喔!!

(繼續閱讀...)

文章標籤

Java瑪奇朵 發表在 痞客邦 留言(0) 人氣(1,314)

達內教育聽到許多人的心聲啦!!最新推出的專業線上課程讓你不用出門也能在家進修!!考照後也能在家接案工作喔!!
新冠肺炎發生以來，一度拉開人與人之間的距離，但是也有不少新興行業應運而生，或是早已看準時代潮流，提前推出符合產業發展與當代互動模式的產品，比如各種主打科技教育的線上課程公司即為一例。其中「

達內教育」甚至打出「結業即就業」招牌，以精實的AI人工智慧、大數據等課程，力求讓完全沒有基礎的學員，也能在6個月後當上工程師。

(繼續閱讀...)

文章標籤

Java瑪奇朵 發表在 痞客邦 留言(0) 人氣(6)

有了最新的人工智慧儀器~不用再擔心社交距離的問題啦!!最新儀器會幫大家測量社交距離是否適當~快一起來看看吧!!

(繼續閱讀...)

文章標籤

Java瑪奇朵 發表在 痞客邦 留言(0) 人氣(9)

人工智慧這次要在音樂上讓你大吃一驚啦!! 台灣雅婷推出首張專輯~好奇裡面的曲目嗎?一起來聽聽吧!!

(繼續閱讀...)

文章標籤

Java瑪奇朵 發表在 痞客邦 留言(0) 人氣(3)

今天的機器學習補充包要來跟大家分享監督式到非監督式的演算法!!請慢慢享用~(下)
本篇為上篇，下篇請點此

機器學習補充包:十種演算圖表帶你看監督式到非監督式學習!(上)
二、非監督式學習
1. 隨機森林（Random Forest）
隨機森林可以視為決策樹的延伸，可以把隨機森林當作是多個決策樹組合而成，並加入隨機分配的訓練資料，以大幅增進最終的運算結果。其想法就是結合多個「弱學習器」（即決策樹）來建構一個「強學習器」模型。這種方法被稱為「集成」（Ensemble Method）。同時也能降低單個決策樹出錯的風險。

▲ 決策樹演算法示意圖

例如若創建一個隨機森林模型預測數值，只有第三個決策樹預測為 0，但是如果整合所有決策樹的結果，將會判斷出預測值是為 1。
隨機森林的優點為可以處理大量的輸入變數，同時可以計算各例中的親近度，對於資料探勘、偵測離群點和將資料視覺化非常有用。
2. 聚類分析（Cluster analysis）
聚類分析是統計資料分析的技術，後來在如機器學習等領域受到廣泛應用。「聚類」是把相似的物件通過靜態分類，分成不同的組別或子集（subset）。聚類有很多種方法，常見的如 K-means、層次聚類（Hierarchical clustering）、譜聚類（Spectral Clustering）等等。

▲ 「聚類」是把相似的物件通過靜態分類，分成不同的組別或子集 (圖片來源： geeksforgeeks.org)

聚類時，需要實現的目標只是要把相似的東西聚到一起，一個聚類算法只需要知道如何計算相似度就可以開始分類，因此聚類算法並不需要使用訓練資料進行學習。
3. 主成分分析（Principal Component Analysis，PCA）
主成分分析 PCA 是一個在機器學習與統計學領域中被廣泛用來分析資料、降低數據維度以及去關聯的線性降維方法。降維（Dimension reduction）是當資料維度數（變數）很多的時候，嘗試讓維度數（變數）少一點，但資料特性不會差太多的方法。
機器學習使用 PCA 達到降維的目的，主要是為了避免「維數災難」，或稱「維度詛咒」，指當維度增加時，分析和組織高維空間因體積指數增加而遇到各種問題：在機器學習問題中，模型預測能力會隨著維度的增加而減小。
4. 奇異值分解（Singular Value Decomposition，SVD）
奇異值分解 SVD 是線性代數中一種重要的矩陣分解，不光可以用於降維演算法中的特徵分解，還可以用於推薦系統以及自然語言處理等領域。

▲ 實數 2×2 矩陣 M 的奇異值分解 UΣV * 的圖示。(圖片來源：圖片來自 Wikipedia)

SVD 矩陣是一個複雜的實復負數矩陣，給定一個 m 行、n 列的矩陣 M，則 M 矩陣可以分解為 M = UΣV。U 和 V 是么正矩陣（unitary matrix），Σ 為對角陣。
SVD 在某些時候可以做為簡化版的 PCA 利用。PCA 演算法可以不用做特徵分解，而是做 SVD 來完成，在樣本量很大的時候很有效。實際上 Python 的免費機器學習庫「scikit-learn」的 PCA 演算法的背後真正的實現就是用 SVD。
獨立成分分析（Independent components analysis，ICA）
ICA 是一種利用統計原理進行計算的方法。前面在主成分分析（PCA）時談到「降維」的方法，但對符合高斯分佈的樣本點比較有效，那麼對於其他分佈的樣本，則是適合用「主元分解」的 ICA。
ICA 會假設現有資料其實是多個彼此獨立的資料、經過混合後成為現有資料，因此期望能夠從手中的資料，回推出是哪些獨立的分配。例如 ICA 的經典問題「雞尾酒會問題」（cocktail party problem）：描述給定混合信號，如何分離出雞尾酒會中同時說話的每個人的獨立信號。

▲ ICA 的經典問題「雞尾酒會問題」示意圖：目的是從混合信號 Mixture1 和 Mixture2 中恢復成每個人的獨立信號 Person1和Person2。(圖片來源：vocal.com)

ICA 是研究盲信號分離（blind signal separation）的一個重要方法，並且在實際中也有很多應用。
為何使用 Python 學機器學習、而不是 R 語言？
介紹完當今應用最廣泛、最熱門的幾大機器學習演算法，可以看出從數據分析、統計分析到模型驗證等等都應用在其中。
Python 簡潔易學，原本就適合作為第一個入門的程式語言，而透過如 scikit-learn 的 Python 機器學習套件，在 Python 中提供大量常見的機器學習演算法和許多實用的函式庫，亦能呈現該演算法資料輸出的型態，相當方便。
當然 Python 和 R 語言不是互斥，許多工程師也是在兩者之間切換，但是有鑑於 Python 是當今的通用語言，除了AI人工智慧領域外也可以廣泛應用在各種領域，其免費及開源的特性， 有許多支持 Python 的輔助工具、大型模組與函式庫，可以簡單上手數據分析或複雜的程式計算，以及能與幾乎所有現代作業系統兼容等的特點，讓它脫穎而出。
以投資報酬率而言，若是要從頭開始選擇一種程式語言學習，Python 絕對是最佳的選擇。

推薦閱讀：Python vs R語言：哪個比較適合人工智慧／機器學習？

 
 
更多關於機器學習和Python的文章請到本部落格首頁搜尋喔~
 
 
 
其他閱讀
如何使用人工智慧工具，活用 Python 簡化繁瑣的行銷工作？
六個月從工地工人轉職 Java 軟體工程師，全因半年做了「對的決定」
Python vs R語言：哪個比較適合人工智慧／機器學習？
台灣本土開發AI 發行首張音樂專輯<<武漢肺炎>>
你家萌寵也能成為人工智慧機器人的訓練師~可能嗎?(上)
人工智慧不僅可以自動駕駛,現在還會打棒球?!(上)
還不了解Python如何應用嗎?三大要點你非知不可!!

(繼續閱讀...)

文章標籤

Java瑪奇朵 發表在 痞客邦 留言(0) 人氣(14)

今天的機器學習補充包要來跟大家分享監督式到非監督式的演算法!!請慢慢享用~(上)

(繼續閱讀...)

文章標籤

Java瑪奇朵 發表在 痞客邦 留言(0) 人氣(4)

你也萌生過轉行當Java工程師嗎?在正式下決定之前先來看看謝先生的真實案例吧!!不要擔心設限~做就對了~

(繼續閱讀...)

文章標籤

Java瑪奇朵 發表在 痞客邦 留言(0) 人氣(23)

 
從零開始到Java工程師只要半年?!零基礎零背景也沒關係?!農家子弟吳先生告訴你一切皆有可能!!

(繼續閱讀...)

文章標籤

Java瑪奇朵 發表在 痞客邦 留言(0) 人氣(63)

Java瑪奇朵 發表在 痞客邦 留言(0) 人氣(67)