Data Science之你問我地答
用戶1
680 回覆
30 Like
4 Dislike
啱呀，吾生也有涯，而知也无涯。以有涯随无涯，殆已！
覺得知到夠明原本想學嘅嘢就好停啦，學嘢最忌depth first search咁學, 應該breath first search
覺得知到夠明原本想學嘅嘢就好停啦，學嘢最忌depth first search咁學, 應該breath first search
自己搵幾個熟既博一博
之前有位巴打講嗰兩本都好出名，我之前主要都係睇PRML(PRML 出名到你google 呢4個letters, 第一個result 就係本pdf
) 不過睇prml 要對住佢嗰errata 黎睇，佢都幾多位有錯，如果做做吓exercise 快現做唔倒落去，你最好對對errata 先，有可能條問題出錯咗
有本我好鍾意嘅ML 入門書係
https://www.amazon.com/Learning-Data-Yaser-S-Abu-Mostafa/dp/1600490069
雖然佢只係講linear model，但係cover 晒ML應有嘅concept, 同埋會題少少同statistical learning theory 有關嘅嘢
仲有一本叫BRML, 呢本係probability graphical model 嘅入門書，同時都cover 大部份嘅ML algorithm, 亦會focus on Bayesian approach 去睇佢地，不過有啲飛飛地書，可以用黎check 吓自己係唔係真係明嗰個topic
如果唔鍾意Bayesian approach可以睇EoSL (我冇乜點睇過，不過如果你background 係stats 嘅話，可能會啱口味啲）
又，如果啲stats 好唔得，要惡補，可以睇
https://link.springer.com/book/10.1007/978-0-387-21736-9
不過正路睇啲textbook 都夠做嘅。
返而有啲multivariable calculus 嘅嘢，你最好睇吓mit ocw 18.02
MIT ocw 18.06 都最好睇吓，如果你啲linear algebra 唔太熟嘅話
基本上上班講嘅都cover 咗我當年讀master 睇過嘅嘢關於machine learning 嘅嘢嘅6/7成
) 不過睇prml 要對住佢嗰errata 黎睇，佢都幾多位有錯，如果做做吓exercise 快現做唔倒落去，你最好對對errata 先，有可能條問題出錯咗有本我好鍾意嘅ML 入門書係
https://www.amazon.com/Learning-Data-Yaser-S-Abu-Mostafa/dp/1600490069
雖然佢只係講linear model，但係cover 晒ML應有嘅concept, 同埋會題少少同statistical learning theory 有關嘅嘢
仲有一本叫BRML, 呢本係probability graphical model 嘅入門書，同時都cover 大部份嘅ML algorithm, 亦會focus on Bayesian approach 去睇佢地，不過有啲飛飛地書，可以用黎check 吓自己係唔係真係明嗰個topic
如果唔鍾意Bayesian approach可以睇EoSL (我冇乜點睇過，不過如果你background 係stats 嘅話，可能會啱口味啲）
又，如果啲stats 好唔得，要惡補，可以睇
https://link.springer.com/book/10.1007/978-0-387-21736-9
不過正路睇啲textbook 都夠做嘅。
返而有啲multivariable calculus 嘅嘢，你最好睇吓mit ocw 18.02
MIT ocw 18.06 都最好睇吓，如果你啲linear algebra 唔太熟嘅話
基本上上班講嘅都cover 咗我當年讀master 睇過嘅嘢關於machine learning 嘅嘢嘅6/7成
其實你可以睇下外國大學d course
stanford有放佢地d lecture notes出黎任你睇
好似有拍埋片放上youtube
stanford有放佢地d lecture notes出黎任你睇
好似有拍埋片放上youtube
好似聽日開始udacity有個free既introduction course to Machine Learning on AWS
有興趣既巴打可以留意下
可以儲下實戰經驗
有興趣既巴打可以留意下
可以儲下實戰經驗
答單問 https://www.coursera.org/learn/machine-learning
coursera個免費machine learning course下一期 25/5開波 依家preview week緊 想招study buddy
coursera個免費machine learning course下一期 25/5開波 依家preview week緊 想招study buddy
我係take 佢第一屆嘅coursera ML course而落ML 呢個坑嘅
之前都推過畀啲人興趣嘅人睇、入門唔錯，不過有啲淺得滯，但佢啲programming exercise係唔錯
基本上有咁唔明都可以問吓
之前都推過畀啲人興趣嘅人睇、入門唔錯，不過有啲淺得滯，但佢啲programming exercise係唔錯
基本上有咁唔明都可以問吓
andrew ng個course好多鬼佬推薦
我完全冇IT 底 唔係想轉行
ML 有冇野好玩 學左少少basic野 覺得ML好有用
但工作上用唔到 想做啲小project 邊做邊學
各位巴打有冇做過類似project 係網上拎data都做到
ML 有冇野好玩 學左少少basic野 覺得ML好有用
但工作上用唔到 想做啲小project 邊做邊學
各位巴打有冇做過類似project 係網上拎data都做到
係， 1 同 2 都夠做有突
我又有新問題喇
假如我已經計晒d keywords 既conditional probability P(keyword|class)
但如果用黎做prediction 既data,出現左training data 入面無出現過既字,呢d 情況咪用唔著Bayesian 囉?
假如我已經計晒d keywords 既conditional probability P(keyword|class)
但如果用黎做prediction 既data,出現左training data 入面無出現過既字,呢d 情況咪用唔著Bayesian 囉?
你用緊naive bayes? 如果test set有training set無見過既字，個model就唔應該用，當見唔到
咁應該用咩方法黎計每隻字既sorce?
training set 分 positive 同 negative samples
然後做分詞，每個sample都變成bag of words, 然後based on 每個詞語出現係positive / negative samples既次數計概率
做prediction時，做分詞，計每個詞係上面分別係positive / negative既概率，連埋positive / negative samples本身既prior probability就計到依個新sample應該係positive 定negative
https://medium.com/analytics-vidhya/naive-bayes-classifier-for-text-classification-556fabaf252b
然後做分詞，每個sample都變成bag of words, 然後based on 每個詞語出現係positive / negative samples既次數計概率
做prediction時，做分詞，計每個詞係上面分別係positive / negative既概率，連埋positive / negative samples本身既prior probability就計到依個新sample應該係positive 定negative
https://medium.com/analytics-vidhya/naive-bayes-classifier-for-text-classification-556fabaf252b
篇blog 提到laplace smoothing,應該就係我想知道既答案等我詳細睇睇先
唔該巴打
等我詳細睇睇先唔該巴打
HaDoop/Spark/Kafka呢d基本啦
其實除左ANDREW NG,有個台大教授叫李宏毅
佢有將佢D LECTURE放上YOUTUBE
另外有個靚女MISS叫Chen Yun Nung又係台大
不過佢地係FULL LECTURE同係中文黎
李宏毅我自己覺得幾鬼馬,佢成日用D好貼地既EXAMPLE
佢有將佢D LECTURE放上YOUTUBE
另外有個靚女MISS叫Chen Yun Nung又係台大
不過佢地係FULL LECTURE同係中文黎
李宏毅我自己覺得幾鬼馬,佢成日用D好貼地既EXAMPLE