[NLP] 自然語言處理觀念整理-2 (前處理範例-使用Keras)

自然語言處理觀念整理-2 

前處理範例-使用Keras

資料探索與前處理觀念

資料探索與前處理觀念

資料探索與前處理是相當複雜的步驟, 初學者常會忽略這部分的重要性, 而直接學習機器學習演算法, 正確的data對訓練model具有決定性的影響, 所以整理這篇文章

[Python] 時間處理

時間處理是實際工作中常運到的問題, 這裡整理資料前處理可能遇到的時間處理的問題

[DL] 文字語言模型觀念整理

RNN適用於文字處理和時序資料, 具有記憶功能

[Python][Keras] 影像前資料前處理

影像前處理可以使用CV2套件, 

這裡也把keras做影像資料增強的說明也放進來

[DL] Deep Learning通用觀念整理

Deep Learning是一種從高維歸納出規則的其中一個

工具, 本文介紹基本神經網路概念與調參方式, 以DNN為例

[ML] 機器學習初學觀念summary

這篇整理分析流程.特徵工程.演算法選擇.常見問題

[ML] 機器學習初學觀念 - XGBoost

Kaggle解題神器, GDBoost進階版, 

因為常被拿來使用而且效果好所以獨立一篇說明

[ML] 機器學習初學觀念 - Ensemble Learning

將多個訓練model合併, 投票或平均找出結果, 通常會比只有一個model效果較好, 可以使用bagging, boosting, stacking等方式

[ML] 機器學習初學觀念-Decision Tree

常用於資料分類問題, 也可以進行regression, 雖然決策樹很容易理解, 但高維度或複雜的資料的結果並非準確, 後續有很多改良的決策樹出現可以使用, 例如隨機森林......等等

[ML] 機器學習初學觀念-SVM

支援向量機是個強大的演算法, 可以進行分類與回歸的問題, 可於scikit-learn中選擇SVC or SVR進行實作