登入
首頁
收藏
0
返回課程
20240108A
電子商務資安教育研究
20240922
20240922A
CH0 電子商務
20231113A
20231113B
20231113C
20231113D
20231113E
CH1 GOOGLE COLAB1
20230911A
20230911B
20230911C
20230911D
CH2 GOOGLE COLAB2
20230918A
20230918B
20230918C
20230918D
CH2 GOOGLE COLAB3習題
20230923A
20230923B
20230923C
CH3 網路爬蟲取得資料1
20230925A
20230925B
20230925C
20230925D
CH3 網路爬蟲取得資料2習題
20231002A
20231002B
20231002C
CH4 用PANDAS做資料前處理1
20231016A
20231016B
20231016C
20231016D
CH4 用PANDAS作資料前處理2
20231023A
20231023B
20231023C
20231023D
CH4 用PANDAS作資料前整理3與習題
20231030A
20231030B
20231030C
CH5 常見的資料視覺化圖表1
20231120A
20231120B
20231120C
20231120D
20231120E
CH5 常見的視覺畫圖表2與習題
20231127A
20231127B
20231127C
20231127D
CH6 探索性資料分析
20231204A
20231204B
CH07機器學習CH08線性回歸
20231218A
20231218B
20231218C
20231218D
CH09 機器學習KNN法
20231225A
20231225B
CH10 機器學習 K-Means
20240108A
20240108B
20240108C
台鐵40大站
20240326A
20240326B
20240326C
20240326D
20240326E
索引
重點
討論
筆記
長度: 11:49, 發表時間 : 2024-01-08 18:09
觀看次數 : 207
00:48
1. index 1
00:35
2. Slide 1
00:19
3. 機器學習前準備
00:23
4. 10-1
00:02
5. Slide 4
00:01
6. Slide 5
00:01
7. 先瞭解各行的標題與資料型別 → 檢查無缺失值的問題 → 刪除重複值 ( 共3 筆) 後重新編號列索引 → 將Species ( 類別) 欄位中的文字轉換成數值
00:01
8. Slide 7
00:25
9. 「分群」和「分類」不同的地方在於:「分類」需要先給予標籤(Label)「分群」則是不需知道所有資料的類別 ( 標準答案),所以不必設定標籤。
00:01
10. 花萼及花瓣的長度與寬度等4個特徵與類別具有重要的關聯性所以,採用這4個行資料做為機器學習的特徵值 (Feature)。
00:02
11. 機器學習前實作
00:01
12. 10-2-1 提出具體的假設
00:01
13. 9-2-2 找出機器學習模型
00:01
14. Slide 13
00:01
15. 使用KMeans() 函式建立K-平均法模型 km。
00:28
16. 計算模型的準確率
00:28
17. Slide 16
00:01
18. 在產生理想的K- 平均法模型之前,先觀察K- 平均法的「inertia_」值。
00:01
19. Slide 16
00:11
20. 在產生理想的K- 平均法模型之前,先觀察K- 平均法的「inertia_」值。
00:21
21. Slide 16
00:01
22. 在產生理想的K- 平均法模型之前,先觀察K- 平均法的「inertia_」值。
00:02
23. (2) 試試別的k 值是否可以得到更佳的效果! 一般可以透過迴圈來計算和觀察不同的參數 k 時所得到的模型準確性。
07:23
24. ** after CH10-機器學習實戰 (三):用 K平均法做分群.pptx
附件
長度: 11:49, 發表時間 : 2024-01-08 18:09
觀看次數 : 207
附件
此教材已將討論功能關閉
筆記功能僅開放給課程成員,請先加入課程
Prev
CH10 機器學習 K-Means
Next
20240108B