熱門Ptt文章

[爆卦]貝氏定理機器學習是什麼？優點缺點精華區懶人包

雖然這篇貝氏定理機器學習鄉民發文沒有被收入到精華區：在貝氏定理機器學習這個話題中，我們另外找到其它相關的精選爆讚文章

在 貝氏定理機器學習產品中有2篇Facebook貼文，粉絲數超過2萬的網紅紀老師程式教學網，也在其Facebook貼文中提到， 【最。後。倒。數】5折優惠最後24小時！ #一聽就懂的Python機器學習，把握最後優惠►https://ps.yottau.net/SE32B 紀老師在程式補教界教學30餘年，慣用深入淺出的方式帶同學學習，這堂課將公開多年來的獨門教法！ ▌10個機器學習演算法全解說 ✅ 常見四大迴歸：簡單...

「貝氏定理機器學習」的推薦目錄
  • 紀老師程式教學網

    貝氏定理機器學習 在 紀老師程式教學網 Facebook 的最佳解答

    2020-07-01 18:00:59
    有 57 人按讚

    【最。後。倒。數】5折優惠最後24小時！
    #一聽就懂的Python機器學習，把握最後優惠►https://ps.yottau.net/SE32B
    　
    紀老師在程式補教界教學30餘年，慣用深入淺出的方式帶同學學習，這堂課將公開多年來的獨門教法！
    　
    ▌10個機器學習演算法全解說
    ✅ 常見四大迴歸：簡單線性迴歸、多元線性迴歸、多項式迴歸、邏輯迴歸
    　
    ✅ 單純貝氏分類器：說明貝氏定理、最大似然率估計（Max Likelihood Estimation, MLE）
    　
    ✅ 支援向量機：說明支援向量機的原理、內核函數的原理與好處、以及支援向量機的五大參數等..
    　
    ✅ 決策樹：透過介紹兩種決策樹演算法：ID3 與 CART，說明決策樹分類的背後原理
    　
    ✅ 隨機森林：說明隨機森林的原理、與四大優點：能處理大量低關連的屬性、對缺失資料抗性良好、能產生「統計不偏」的訓練集、對離群值抗性較佳
    　
    ✅ K 平均集群法：解釋「何謂集群演算法」外，也介紹了 K-平均法（K-Means）的原理。透過介紹 「K-Means++ 演算法」與「群內平方和（WCSS）」，教大家如何選擇適合的「初始值」與「最佳 K 值」到底是多少
    　
    學完這門課，不只機器學習的演算法由淺入深全掌握，還能自己完成一個 #股票趨勢預測系統！
    　
    對於課綱的設計，老師非常有信心～每個章節會搭配生活實例，大量課後作業讓你強勢練習！
    　
    ----------------------------------
    #一聽就懂的Python機器學習
    課程滿滿30小時以上，超級豐富
    募資期間購課只要2500元（原價4980元）錯過可惜！
    　
    📌 線上課程5折優惠，最後24小時 https://ps.yottau.net/SE32B

  • 紀老師程式教學網

    貝氏定理機器學習 在 紀老師程式教學網 Facebook 的最佳解答

    2017-12-15 09:46:24
    有 161 人按讚

    [書評] 完結篇大放送！第十本書書評＋所有書籍建議閱讀順序＋人工智慧領域學習途徑！八千字一次提供！

    第十本書書評：「Python 機器學習」（博碩出版，2016）
    https://episode.cc/read/cnchi/BookReview-AI/7

    所有書籍「建議閱讀順序」
    https://episode.cc/read/cnchi/BookReview-AI/11

    「人工智慧領域學習途徑」
    https://episode.cc/read/cnchi/BookReview-AI/12

    「人工智慧相關書籍 書評」總目錄
    https://episode.cc/read/cnchi/BookReview-AI

    完結灑花！！！ (*￣▽￣)/‧☆*"`'*-.,_,.-*'`"*-.,_☆

    首先感謝在我連載「人工智慧相關書籍 書評」十本之間，努力幫我打氣、按讚、轉發的朋友！你們是最棒的！感謝你們！

    由於是十本書的最後一本，所以我想「除了書評，是否也能提供建議的閱讀順序呢？」於是有了「建議閱讀順序」這一篇（見上方連結）。閱讀順序中，我只列出３★ 以上的書籍，得分低於３★ 以下的，我就不建議各位閱讀了。

    但寫完建議閱讀順序，又想著「真的看完這十本書的網友，就會人工智慧了嗎？」我心中的答案是否定的。對一個完全沒有人工智慧基礎的朋友，貿然從我推薦的第一本書開始看，如果沒有 Python 與統計的底子，絕對是「死在沙灘上」的。所以我又寫了一篇「人工智慧領域 學習途徑」的文章（見上方連結），告訴您人工智慧該先學什麼、再學什麼，而什麼又是不必學的。希望能節省大家摸索的時間。

    用下班時間，花了四個晚上，終於把這三篇共八千多字的文章寫完了！在此誠心誠意奉上，希望能讓更多人投入人工智慧這個領域，讓台灣的人才繼續在世界發光！

    話說終於把這第十本書的書評寫完了呢！連我自己都不敢相信，我可以在半年內唸完十本硬梆梆的人工智慧書籍！故事要從半年前說起。今年（2017）七月中，鑑於我已經自我厭惡買了一堆人工智慧的書沒看，加上科技業界都在討論人工智慧的主題，而我卻因為底子不夠好，一句話也插不上。所以心一狠，定下了「半年內看完十本書，並寫出書評」的計畫。現在全數完工，心裡的充實感，真的不是言語可以形容的。

    其實看完這十本書，獲益最大的是我自己。我現在能心有余裕地看懂各種人工智慧專有名詞（什麼「奇點」啦、「召回率」啦...），也能對人工智慧各種演算法侃侃而談。不管你想談單純貝氏模型，還是隱藏式馬可夫模型我都能奉陪。對於類神經網路的什麼「卷積神經網路」啦、「深度學習」啦...其架構也大概了然於胸。最大的收穫，還是對於統計學裡的某些技術（如：貝氏定理、迴歸...），能有「喔！原來這個東西是這樣用啊！」的感覺。

    對我而言，這半年不啻是一段脫胎換骨的轉變過程（雖然中間看不懂各種名詞、上網拼命 Google 時很痛苦啦...）。然後，我願意把自己當成墊腳石，用我的時間節省你的時間，讓您能比我用更短的時間脫胎換骨。

    個人對於「人工智慧領域學習途徑」一文蠻自豪的！我把「為什麼統計在人工智慧裡那麼重要」，以及「貝氏定理為何扮演了機器學習裡，重要的基礎角色」，給出了答案。希望各位也會喜歡。

    如果您覺得這篇文章不錯，還請各位不吝按讚、轉發分享喔！有任何想討論的主題，也可以留言在下方，我會盡快、盡力為您解答的。

    最後祝福大家週末愉快！

    PS: 若您對我發表書評的平台「艾比索」操作有困難的話，歡迎觀賞我幫各位錄製的「艾比索平台操作教學」：

    「艾比索（Episode）平台：文章閱讀操作說明」
    https://youtu.be/ldEnzZYgWr4

你可能也想看看

搜尋相關網站