φυβλαςのβλογ
phyblasのブログ



การเรียนรู้ของเครื่อง




บทความหน้านี้เป็นเรื่องการเขียนโปรแกรมการเรียนรู้ของเครื่องด้วยไพธอน

ควรต้องมีพื้นฐาน numpy และเข้าใจเรื่องของคลาสในไพธอนก่อน

เนื้อหาแบ่งตามหมวดหมู่ ไม่จำเป็นต้องอ่านเรียงตามลำดับ


บทนำ: ทำความรู้จักกับปัญญาประดิษฐ์และการเรียนรู้ของเครื่อง



>> โครงข่ายประสาทเทียมและการเรียนรู้เชิงลึก




การวิเคราะห์การถดถอย ~ 回归
⊟ [2016/12/10] วิเคราะห์การถดถอยเชิงเส้นด้วยเทคนิคการเคลื่อนลงตามความชัน
⊟ [2016/12/12] วิเคราะห์การถดถอยเชิงเส้นหลายมิติ
⊟ [2016/12/19] วิเคราะห์การถดถอยพหุนาม
⊟ [2018/07/20] วิเคราะห์การถดถอยโดยใช้ฟังก์ชันฐาน
⊟ [2018/07/24] วิธีการเคอร์เนล


การวิเคราะห์จำแนกประเภท ~ 分类
- การวิเคราะห์การถดถอยโลจิสติก ~ 逻辑回归
⊟ [2016/12/24] จากการวิเคราะห์การถดถอยเชิงเส้นสู่ปัญหาการจำแนกประเภท
⊟ [2016/11/03] วิเคราะห์จำแนกประเภทข้อมูลเป็นสองกลุ่มด้วยการถดถอยโลจิสติก
⊟ [2016/12/05] วิเคราะห์จำแนกประเภทข้อมูลเป็นหลายกลุ่มด้วยการถดถอยโลจิสติกแบบมัลติโนเมียล (การถดถอยซอฟต์แม็กซ์)
⊟ [2016/12/07] เอนโทรปีไขว้ในการวิเคราะห์การถดถอยโลจิสติก
⊟ [2016/12/28] การทำมินิแบตช์
⊟ [2017/09/22] แยกแยะภาพตัวเลขที่เขียนด้วยลายมือด้วยการวิเคราะห์การถดถอยโลจิสติก
⊟ [2017/09/28] การเรกูลาไรซ์เพื่อป้องกันการเรียนรู้เกิน
⊟ [2017/10/02] แนวทางต่างๆในการปรับปรุงวิธีการเคลื่อนลงตามความชัน
⊟ [2017/10/06] แบบจำลองการวิเคราะห์การถดถอยโลจิสติกที่พร้อมใช้งาน
⊟ [2017/10/10] วิเคราะห์การถดถอยโลจิสติกด้วย sklearn

- วิธีการเพื่อนบ้านใกล้สุด k ตัว (KNN) ~ K-近邻算法
⊟ [2017/10/28] วิเคราะห์จำแนกประเภทข้อมูลด้วยวิธีการเพื่อนบ้านใกล้สุด k ตัว
⊟ [2017/10/31] วิธีการเพื่อนบ้านใกล้สุด k ตัวโดยใช้ sklearn
⊟ [2017/11/02] แยกแยะภาพตัวเลขที่เขียนด้วยลายมือด้วยวิธีการเพื่อนบ้านใกล้สุด k ตัว

- ต้นไม้ตัดสินใจและป่าสุ่ม ~ 决策树と随机森林
⊟ [2017/11/05] วิเคราะห์จำแนกประเภทข้อมูลด้วยต้นไม้ตัดสินใจ
⊟ [2017/11/08] การทำต้นไม้ตัดสินใจโดยใช้ sklearn
⊟ [2017/11/11] นำต้นไม้ตัดสินใจหลายต้นมารวมกันเป็นป่าสุ่ม
⊟ [2017/11/17] การทำป่าสุ่มโดยใช้ sklearn
⊟ [2017/11/23] แยกแยะภาพตัวเลขที่เขียนด้วยลายมือด้วยต้นไม้ตัดสินใจและป่าสุ่ม

- เครื่องเวกเตอร์ค้ำยัน (SVM) ~ 支持向量机
⊟ [2018/07/09] วิเคราะห์จำแนกประเภทข้อมูลด้วยเครื่องเวกเตอร์ค้ำยัน
⊟ [2018/07/12] การทำเครื่องเวกเตอร์ค้ำยันโดยใช้ sklearn


การเรียนรู้แบบไม่มีผู้สอน ~ 无监督学习
⊟ [2017/12/20] การแบ่งกระจุกข้อมูลด้วยวิธีการ k เฉลี่ย
⊟ [2017/12/24] วิธีการ k เฉลี่ยโดยใช้ sklearn
⊟ [2017/12/28] แยกแยะภาพตัวเลขที่เขียนด้วยลายมือด้วยวิธีการ k เฉลี่ย


การจัดการข้อมูลเบื้องต้น ~ 预处理
⊟ [2016/11/24] การทำข้อมูลให้เป็นมาตรฐานเพื่อการเรียนรู้ของเครื่อง
⊟ [2017/09/24] การแยกข้อมูลตรวจสอบกับข้อมูลฝึกเพื่อป้องกันการเรียนรู้เกิน


การลดมิติข้อมูล ~ 降维
⊟ [2017/12/11] การคัดเลือกลักษณะเฉพาะโดยวิธีการคัดเลือกย้อนกลับหลังตามลำดับ
⊟ [2018/07/27] การวิเคราะห์องค์ประกอบหลัก (PCA)
⊟ [2018/07/30] การวิเคราะห์องค์ประกอบหลักแบบเคอร์เนล
⊟ [2019/09/16] การวิเคราะห์องค์ประกอบหลักด้วยการแยกค่าเอกฐาน (SVD)
⊟ [2019/09/21] การวิเคราะห์องค์ประกอบหลักด้วย sklearn
⊟ [2019/09/28] การวิเคราะห์องค์ประกอบหลักเพื่อบีบอัดข้อมูลรูปภาพ
⊟ [2018/08/02] การวิเคราะห์การจำแนกประเภทเชิงเส้น (LDA)
⊟ [2018/08/05] การทำแผนที่โยงก่อร่างตัวเอง (SOM)


การประเมินและปรับปรุงแบบจำลอง
⊟ [2017/09/26] การสร้างเมทริกซ์ความสับสนเพื่อวิเคราะห์ผลการเรียนรู้ของเครื่อง
⊟ [2017/10/14] ผลบวกลบจริงปลอม, ความเที่ยงและความระลึกได้, ค่าคะแนน f1
⊟ [2017/10/16] วาดเส้นกราฟ ROC เพื่อประเมินผลการทำนาย
⊟ [2017/10/18] การตรวจสอบแบบไขว้ k-fold เพื่อสลับเวียนข้อมูลที่ใช้ในการฝึกฝนและตรวจสอบ
⊟ [2017/10/20] การค้นหาค่าไฮเพอร์พารามิเตอร์ที่เหมาะสมด้วยการตรวจสอบแบบไขว้
⊟ [2017/10/24] การวิเคราะห์เส้นโค้งการเรียนรู้เพื่อตรวจดูปัญหาการเรียนรู้เกินหรือเรียนรู้ไม่พอ


เรียนรู้จากชุดข้อมูลต่างๆ
- สร้างชุดข้อมูลแบบสุ่ม
⊟ [2016/11/27] สร้างข้อมูลกลุ่มก้อนกลมๆ
⊟ [2017/12/02] สร้างข้อมูลกลุ่มรูปจันทร์เสี้ยว
⊟ [2018/07/16] สร้างข้อมูลกลุ่มรูปไข่ดาว
⊟ [2018/08/11] สร้างภาพรูปร่าง ๕ ชนิด

- ดึงชุดข้อมูลตัวอย่างมาใช้
⊟ [2017/09/20] ชุดข้อมูลตัวเลขที่เขียนด้วยลายมือของ MNIST
⊟ [2017/12/07] ชุดข้อมูลไวน์ ๑๓ มิติ
⊟ [2018/08/08] ชุดข้อมูลดอกไม้ของฟิชเชอร์


เนื้อหาเสริมที่เกี่ยวข้อง
⊟ [2016/12/06] การสร้างฟังก์ชัน softmax
⊟ [2018/07/22] การใช้ฟังก์ชัน cdist, pdist และ squareformเพื่อหาระยะห่างระหว่างจุดต่างๆ
⊟ [2018/08/14] ทำความเข้าใจเอนโทรปีไขว้และความควรจะเป็น


อื่นๆ
⊟ [2017/10/12] การเก็บแบบจำลองที่เรียนรู้เสร็จแล้วไว้ใช้งานทีหลัง
⊟ [2017/12/15] ความแตกต่างของการเรียนรู้ของเครื่องแบบมีและไม่มีผู้สอน

目次

日本による名言集
モジュール
-- numpy
-- matplotlib

-- pandas
-- manim
-- opencv
-- pyqt
-- pytorch
機械学習
-- ニューラル
     ネットワーク
javascript
モンゴル語
言語学
maya
確率論
日本での日記
中国での日記
-- 北京での日記
-- 香港での日記
-- 澳門での日記
台灣での日記
北欧での日記
他の国での日記
qiita
その他の記事

記事の類別



ติดตามอัปเดตของบล็อกได้ที่แฟนเพจ

  記事を検索

  おすすめの記事

ตัวอักษรกรีกและเปรียบเทียบการใช้งานในภาษากรีกโบราณและกรีกสมัยใหม่
ที่มาของอักษรไทยและความเกี่ยวพันกับอักษรอื่นๆในตระกูลอักษรพราหมี
การสร้างแบบจำลองสามมิติเป็นไฟล์ .obj วิธีการอย่างง่ายที่ไม่ว่าใครก็ลองทำได้ทันที
รวมรายชื่อนักร้องเพลงกวางตุ้ง
ภาษาจีนแบ่งเป็นสำเนียงอะไรบ้าง มีความแตกต่างกันมากแค่ไหน
ทำความเข้าใจระบอบประชาธิปไตยจากประวัติศาสตร์ความเป็นมา
เรียนรู้วิธีการใช้ regular expression (regex)
การใช้ unix shell เบื้องต้น ใน linux และ mac
g ในภาษาญี่ปุ่นออกเสียง "ก" หรือ "ง" กันแน่
ทำความรู้จักกับปัญญาประดิษฐ์และการเรียนรู้ของเครื่อง
ค้นพบระบบดาวเคราะห์ ๘ ดวง เบื้องหลังความสำเร็จคือปัญญาประดิษฐ์ (AI)
หอดูดาวโบราณปักกิ่ง ตอนที่ ๑: แท่นสังเกตการณ์และสวนดอกไม้
พิพิธภัณฑ์สถาปัตยกรรมโบราณปักกิ่ง
เที่ยวเมืองตานตง ล่องเรือในน่านน้ำเกาหลีเหนือ
ตระเวนเที่ยวตามรอยฉากของอนิเมะในญี่ปุ่น
เที่ยวชมหอดูดาวที่ฐานสังเกตการณ์ซิงหลง
ทำไมจึงไม่ควรเขียนวรรณยุกต์เวลาทับศัพท์ภาษาต่างประเทศ

ไทย

日本語

中文