[爆卦]Euclidean norm是什麼?優點缺點精華區懶人包

雖然這篇Euclidean norm鄉民發文沒有被收入到精華區:在Euclidean norm這個話題中,我們另外找到其它相關的精選爆讚文章

在 euclidean產品中有3篇Facebook貼文,粉絲數超過16萬的網紅โปรแกรมเมอร์ไทย Thai programmer,也在其Facebook貼文中提到, วิธี 𝐊-𝐍𝐍 (𝐤-𝐧𝐞𝐚𝐫𝐞𝐬𝐭 𝐧𝐞𝐠𝐡𝐛𝐨𝐫𝐬) เป็นอัลกอริทึมคลาสิกอีกอันหนึ่ง 👉 เหมาะกับโจทย์ที่ต้องการจำแนกแยกแยะข้อมูล หรือทำนายหมวดหมู่ (classification) 👉 พบเห...

 同時也有5部Youtube影片,追蹤數超過6萬的網紅Herman Yeung,也在其Youtube影片中提到,HKDSE Mathematics 數學天書 訂購表格及方法︰https://www.sites.google.com/view/HermanYeung 課程簡介︰ https://youtu.be/KKTtzLkpyO8 --------------------------------------...

euclidean 在 辣媽英文天后 林俐 Carol Instagram 的精選貼文

2021-07-06 05:58:15

哇!英數合鳴! 這週四晚上7:30~8:30 —> 李傑老師 @jackleemath 這週六晚上7:30~8:30 —> 俐媽 我們即將要舉辦國三升高一線上直播活動了, 內容精彩、抽獎獎項豐富, 歡迎大家來喔! 今天,送上北一學姊編整的「數學篇」,剛好是英+數合體的最佳表現! ——————...

  • euclidean 在 โปรแกรมเมอร์ไทย Thai programmer Facebook 的最佳貼文

    2019-10-18 03:05:52
    有 707 人按讚

    วิธี 𝐊-𝐍𝐍 (𝐤-𝐧𝐞𝐚𝐫𝐞𝐬𝐭 𝐧𝐞𝐠𝐡𝐛𝐨𝐫𝐬) เป็นอัลกอริทึมคลาสิกอีกอันหนึ่ง

    👉 เหมาะกับโจทย์ที่ต้องการจำแนกแยกแยะข้อมูล หรือทำนายหมวดหมู่ (classification)

    👉 พบเห็นบ่อยในงาน data science(วิทยาการข้อมูล),data mining (การทำเหมืองข้อมูล), machine learning (การเรียนรู้ของเครื่อง)

    👉 โดยเราต้องมีข้อมูลตัวอย่างที่เฉลยคำตอบแล้ว หมายถึงแบ่งแยกจัดหมวดหมู่ให้เสร็จสรรพไว้ก่อน เอาไว้เป็นตัวอย่างให้อัลกอริทึมใช้ดู ใช้คำนวณ

    เช่น ข้อมูลเพลง แยกข้อมูลเป็น เพลงป็อบ แจ๊ส ลูกทุ่ง สตริง
    หรือ พยากรณ์อากาศ แยกข้อมูลเป็น ฤดูหนาว ร้อน ฝนตก เป็นต้น

    .(จัดเป็นการเรียนรู้แบบมีผู้สอน : supervised machine learning)

    👉 พอเจอข้อมูลที่ไม่เคยเห็นมาก่อน อัลกอริทึม K-NN ก็สามารถจำแนกแยกแยะประเภทข้อมูลออกได้เลย

    😘 เบื้องหลังอัลกอริทึม

    จะใช้การหาระยะทาง
    ระหว่างข้อมูลที่ยังไม่ทราบว่าคืออะไร?
    กับข้อมูลที่ทราบแล้ว (ถูกจัดแยกแบ่งหมวดหมู่ให้เสร็จสรรพ)

    แล้วดูว่ามันอยู่ใกล้ข้อมูลที่ทราบแล้ว ภายใน K ตัว ว่าใกล้จุดข้อมูลใดเป็นจำนวนมากสุด ก็เลือกเป็นคำตอบ

    **หมายเหตุ**
    - ค่า K อาจเป็น 1 , 3, 5, 9 แล้วแต่กำหนด แต่นิยมใช้เป็นจำนวนคี่
    - ส่วนสูตรหาระยะทางมีหลายสูตร แต่ตำราเรียนม.5 เลือกใช้ สูตรของ Euclidean

    ## K-NN มันเป็นอัลกอริทึมที่ง่ายและถูกนำมาใช้สอนเด็กม.5 ให้สามารถใช้วิเคราะห์ข้อมูลอย่างง่ายๆ

    งั้นลองทำโจทย์ data science ม.5 กันตามรูปประกอบเลย

    จากข้อมูลดังนี้ ข้อใด *ผิด* เกี่ยวกับการจำแนกข้อมูลด้วยวิธีการค้นหาเพื่อนบ้านใกล้สุด K ตัว (K-Nearet neighbors, K-NN)

    ในรูปจุดสีน้ำเงินหมายถึงอยู่ในกลุ่ม yes
    ส่วนกากบาทสีแดงอยู่ในกลุ่ม no

    ซึ่งโจทย์นี้มีแค่ 2 แกน x,y
    วิธีคิดง่ายมากสามารถใช้การวาดรูปตีเส้น ก็วิเคราะห์ได้ด้วยสายตาแหละ (ของจริงต้องคำนวณหาระยะห่างระหว่างจุด)

    ก) ตรงวงกลมสีเขียว เมื่อ k = 3 , ณ จุด x=20, y=50 จะเห็นว่าข้างในประกอบด้วยกากบาทสีแดง 3 จุด จึงจำแนกข้อมูลเป็น no 👉 ข้อนี้ถูกต้องแล้ว

    ข) ตรงวงกลมสีน้ำเงิน เมื่อ k = 3 , ณ จุด x=30, y=50 จะเห็นว่าข้างในประกอบด้วยจุดสีน้ำเงิน 2 จุด มากกว่ากากบาทสีแดงที่มี 1 จุด จึงจำแนกข้อมูลเป็น yes 👉 ข้อนี้ถูกต้องแล้ว

    ค) ตรงวงกลมสีเหลือง เมื่อ k = 1 , ณ จุด x=35, y=60 จะเห็นว่าข้างในประกอบด้วยจุดสีน้ำเงินเพียง 1 จุด จึงจำแนกข้อมูลเป็น yes 👉 ข้อนี้ถูกต้องแล้ว

    ง) ตรงวงกลมสีชมพู เมื่อ k = 3 , ณจุด x=35, y=60 จะเห็นว่าข้างในประกอบด้วยกากบาทสีแดง 2 จุด มากกว่าจุดสีน้ำเงินที่มี 1 จุด จึงจำแนกข้อมูลเป็น no 👉 ข้อนี้โจทย์ดันบอกว่า yes ซะงั้น

    > สรุปคำตอบคือ ง ผิดนั่นเอง

    ╔═══════════════════════════╗
    เขียนโดย โปรแกรเมอร์ไทย thai programmer
    รูปจากหนังสือ วิทยาการคำนวณ ม.5
    ╚═══════════════════════════╝

    ### สุดท้ายของขายของหน่อย เป็นหนังสือชื่อ ###
    📔 1) "AI ไม่ยาก เข้าใจได้ด้วยเลขม.ปลาย (เนื้อหาภาษาไทย)"
    👉 สั่งซื้อได้ที่นี้ https://www.mebmarket.com/web/index.php?action=BookDetails&data=YToyOntzOjc6InVzZXJfaWQiO3M6NzoiMTcyNTQ4MyI7czo3OiJib29rX2lkIjtzOjY6IjEwODI0NiI7fQ&fbclid=IwAR11zxJea0OnJy5tbfIlSxo4UQmsemh_8TuBF0ddjJQzzliMFFoFz1AtTo4
    .
    ขออภัยตอนนี้ยังไม่มีเล่มกระดาษจำหน่ายครับ
    .
    สำหรับตัวอย่างหนังสือ ดาวน์โหลดได้ตามลิงก์ข้างล่าง 👇
    https://drive.google.com/open?id=1tAnMozeYd63dcbBGTQmT_ZrpSaamZS3e
    .
    ✍เขียนโดย โปรแกรมเมอร์ไทย thai progammer

  • euclidean 在 โปรแกรมเมอร์ไทย Thai programmer Facebook 的最佳貼文

    2019-09-20 13:00:00
    有 698 人按讚


    วิธี 𝐊-𝐍𝐍 (𝐤-𝐧𝐞𝐚𝐫𝐞𝐬𝐭 𝐧𝐞𝐠𝐡𝐛𝐨𝐫𝐬) เป็นอัลกอริทึมคลาสิกอีกอันหนึ่ง

    👉 เหมาะกับโจทย์ที่ต้องการจำแนกแยกแยะข้อมูล หรือทำนายหมวดหมู่ (classification)

    👉 พบเห็นบ่อยในงาน data science(วิทยาการข้อมูล),data mining (การทำเหมืองข้อมูล), machine learning (การเรียนรู้ของเครื่อง)

    👉 โดยเราต้องมีข้อมูลตัวอย่างที่เฉลยคำตอบแล้ว หมายถึงแบ่งแยกจัดหมวดหมู่ให้เสร็จสรรพไว้ก่อน เอาไว้เป็นตัวอย่างให้อัลกอริทึมใช้ดู ใช้คำนวณ

    เช่น ข้อมูลเพลง แยกข้อมูลเป็น เพลงป็อบ แจ๊ส ลูกทุ่ง สตริง
    หรือ พยากรณ์อากาศ แยกข้อมูลเป็น ฤดูหนาว ร้อน ฝนตก เป็นต้น

    .(จัดเป็นการเรียนรู้แบบมีผู้สอน : supervised machine learning)

    👉 พอเจอข้อมูลที่ไม่เคยเห็นมาก่อน อัลกอริทึม K-NN ก็สามารถจำแนกแยกแยะประเภทข้อมูลออกได้เลย

    😘 เบื้องหลังอัลกอริทึม

    จะใช้การหาระยะทาง
    ระหว่างข้อมูลที่ยังไม่ทราบว่าคืออะไร?
    กับข้อมูลที่ทราบแล้ว (ถูกจัดแยกแบ่งหมวดหมู่ให้เสร็จสรรพ)

    แล้วดูว่ามันอยู่ใกล้ข้อมูลที่ทราบแล้ว ภายใน K ตัว ว่าใกล้จุดข้อมูลใดเป็นจำนวนมากสุด ก็เลือกเป็นคำตอบ

    **หมายเหตุ**
    - ค่า K อาจเป็น 1 , 3, 5, 9 แล้วแต่กำหนด แต่นิยมใช้เป็นจำนวนคี่
    - ส่วนสูตรหาระยะทางมีหลายสูตร แต่ตำราเรียนม.5 เลือกใช้ สูตรของ Euclidean

    ## K-NN มันเป็นอัลกอริทึมที่ง่ายและถูกนำมาใช้สอนเด็กม.5 ให้สามารถใช้วิเคราะห์ข้อมูลอย่างง่ายๆ

    งั้นลองทำโจทย์ data science ม.5 กันตามรูปประกอบเลย

    จากข้อมูลดังนี้ ข้อใด *ผิด* เกี่ยวกับการจำแนกข้อมูลด้วยวิธีการค้นหาเพื่อนบ้านใกล้สุด K ตัว (K-Nearet neighbors, K-NN)

    ในรูปจุดสีน้ำเงินหมายถึงอยู่ในกลุ่ม yes
    ส่วนกากบาทสีแดงอยู่ในกลุ่ม no

    ซึ่งโจทย์นี้มีแค่ 2 แกน x,y
    วิธีคิดง่ายมากสามารถใช้การวาดรูปตีเส้น ก็วิเคราะห์ได้ด้วยสายตาแหละ (ของจริงต้องคำนวณหาระยะห่างระหว่างจุด)

    ก) ตรงวงกลมสีเขียว เมื่อ k = 3 , ณ จุด x=20, y=50 จะเห็นว่าข้างในประกอบด้วยกากบาทสีแดง 3 จุด จึงจำแนกข้อมูลเป็น no 👉 ข้อนี้ถูกต้องแล้ว

    ข) ตรงวงกลมสีน้ำเงิน เมื่อ k = 3 , ณ จุด x=30, y=50 จะเห็นว่าข้างในประกอบด้วยจุดสีน้ำเงิน 2 จุด มากกว่ากากบาทสีแดงที่มี 1 จุด จึงจำแนกข้อมูลเป็น yes 👉 ข้อนี้ถูกต้องแล้ว

    ค) ตรงวงกลมสีเหลือง เมื่อ k = 1 , ณ จุด x=35, y=60 จะเห็นว่าข้างในประกอบด้วยจุดสีน้ำเงินเพียง 1 จุด จึงจำแนกข้อมูลเป็น yes 👉 ข้อนี้ถูกต้องแล้ว

    ง) ตรงวงกลมสีชมพู เมื่อ k = 3 , ณจุด x=35, y=60 จะเห็นว่าข้างในประกอบด้วยกากบาทสีแดง 2 จุด มากกว่าจุดสีน้ำเงินที่มี 1 จุด จึงจำแนกข้อมูลเป็น no 👉 ข้อนี้โจทย์ดันบอกว่า yes ซะงั้น

    > สรุปคำตอบคือ ง ผิดนั่นเอง

    ╔═══════════════════════════╗
    เขียนโดย โปรแกรเมอร์ไทย thai programmer
    รูปจากหนังสือ วิทยาการคำนวณ ม.5
    ╚═══════════════════════════╝

    ### สุดท้ายของขายของหน่อย เป็นหนังสือชื่อ ###
    📔 1) "AI ไม่ยาก เข้าใจได้ด้วยเลขม.ปลาย (เนื้อหาภาษาไทย)"
    👉 สั่งซื้อได้ที่นี้ https://www.mebmarket.com/web/index.php…
    .
    ขออภัยตอนนี้ยังไม่มีเล่มกระดาษจำหน่ายครับ
    .
    ส่วนตัวอย่างหนังสือ ถ้าเพื่อนๆ สนใจก็ทัก inbox มาถามได้ครับ
    .
    ✍เขียนโดย โปรแกรมเมอร์ไทย thai progammer

  • euclidean 在 辣媽英文天后 林俐 Carol Facebook 的最讚貼文

    2018-09-09 17:40:02
    有 77 人按讚


    俐媽看到這個圖(IG: freeformeshop)的想法是:
    看個錶怎麼會這麼累😂😂😂😂
    ——————————————
    感謝模B的宜婷,她是已經退休的科研數學教學,她也針對自己有興趣的主題,投稿了數學餐!
    👩🏻‍🏫 宜婷+俐媽英文教室:
    👉數論
    1️⃣ 數系:
    ①ℕ natural number 自然數
    ②ℤ integer 整數
    → decimal小數(循環 recurring+,無限infinite+)
    ③ℚ rational number 有理數
    → irrational number 無理數
    ④ℝ real number 實數
    →imaginary number虛數
    ⑤ℂ complex number 複數
    2️⃣ sentence 語句
    3️⃣ proposition 命題:有真假可言的直述(indicative)語句
    4️⃣ axiom 公理:不證自明的命題
    5️⃣ set 集合
    6️⃣ assume (vt.) 假設(-sum: take)
    →assumption (n. C) 假設
    →make assumption about
    7️⃣ denote (vt.) 表示
    →denotation (n.C) 意義,本意
    8️⃣ exist (vi.) 存在(-sist: stand)
    →existence (n.U) 存在
    9️⃣ satisfy (vt.) 滿足
    🔟 commutative laws 交換律【x+y=y+x、x×y=y×x】
    1️⃣1️⃣ associative laws 結合律【x+(y+z)=(x+y)+z、x(yz)=(xy)z】
    1️⃣2️⃣ distributive law 分配【x(y+z)=xy+ xz】
    1️⃣3️⃣ law of trichotomy 三一律
    1️⃣4️⃣ axioms of equality 等量公理
    1️⃣5️⃣ reciprocal (n.) 倒數;(adj.) 相互的,互惠的
    1️⃣6️⃣ factor因數
    → common factor 公因數
    1️⃣7️⃣ multiple 倍數
    → common multiple 公倍數
    1️⃣8️⃣ Euclidean algorithm 輾轉相除法(歐幾里得算法)
    👉集合論
    1️⃣ subset 子集(sub-: under)
    2️⃣ empty set 空集合
    3️⃣ universal set 宇集(uni-: one/ -vers: turn)
    4️⃣ intersection 交集(-sect: cut)
    5️⃣ union 聯集
    6️⃣ difference set 差集
    7️⃣ complement set 補集
    8️⃣ Venn diagram 文氏圖
    9️⃣ power set 冪集合
    🔟 element 元素
    1️⃣1️⃣ sufficient condition 充分條件
    1️⃣2️⃣ necessary condition 必要條件
    1️⃣3️⃣ if and only if 若且唯若(充分且必要)(⇔)
    👉機率統計
    1️⃣ Random Variable隨機變數【variable (n.C) 變數;(adj.) 多變的,反覆無常的】
    2️⃣ discrete (adj.) 離散的,單獨的
    3️⃣ Probability Distribution 機率分布
    4️⃣ expectation 期望值
    5️⃣ Linearity of Expectation 期望值的線性
    6️⃣ variance 變異數
    7️⃣ independent event 獨立事件 (cf. mutually exclusive event 互斥事件)
    8️⃣ repeated experiment 重複試驗
    9️⃣ Binomial theorem 二項式定理
    🔟 Binomial distribution 二項式分布
    1️⃣1️⃣ sampling抽樣
    →population母體,sample樣本
    ①簡單隨機抽樣 sample random sampling:每一樣本抽到機率相同
    ②系統性抽樣 systematic sampling:將母體元素編號後,每隔一定間隔抽取一個樣本
    ③分層隨機抽樣 stratified random sampling:將母體按某些特性分成數個不重疊的層,再依各層佔母體比例抽取樣本
    ④叢集抽樣 cluster sampling:將母體中相鄰近的個體排為一集體,而以集體為抽樣單位
    1️⃣2️⃣ normal distribution 常態分布(Gaussian distribution 高斯分布)
    1️⃣3️⃣ standard score (standardized score) 標準分數(標準化分數)
    ——————————————
    謝謝宜婷🙏🏼
    附圖2, 3是常見的數學表示法哦!
    #俐媽英文教室 #辣媽英文天后林俐carol #俐媽英文教室徵稿中 #mathematics #themewords

你可能也想看看

搜尋相關網站