資料前處理 — 標準化、偏態

前言 — 
本篇文章將介紹在特徵處理中針對單一特徵的規一化 & 標準化、偏態的介紹與以及如何在 python 中使用這些方法，它們是機器學習中必不可少的一個重點，千萬不要錯過哦~

CNN

前言

在「影像辨識」任務時我們常常聽到卷積神經網路(Convolutional Neural Network, CNN) ，但「卷積」是什麼？為什麼不用 MLP 處理影像辨識的問題就好了呢？然而事實上 CNN…

資料降維 — LDA 線性區別分析

當資料欄位數過多時會導致模型效果不佳、運算耗時等問題，因此需要將資料進行降維，找出有代表性的特徵或是透過將多個欄位組合成一個特徵欄位的方式來達成。

數據分析基本工具-Pandas 實戰

前言

不論是資料分析或是建模，往往需要針對資料進行諸多處理，在 python 中最常使用的工具非 Pandas 莫屬。相較資料庫更方便，不需要處理完後再導入；跟 Excel…

PCA 降維

PCA (Principal Component Analysis) 主成分分析，雖然已經發明超過百年的時間，但是如今在 AI…

MLP

前言 — — 我們為什麼需要MLP

在我們的生活中，有很多的場景需要遇到分類的問題（最基本的「我要搞清楚現在的狀況」其實也可以視為一種分類）。決策很多時候和分類是完全綁定的，為此人們開發了許許多多的演算法來進行分類。在資料科學的…

深度學習 — ResNet

目錄

深度學習 — ResNet

☉前言

資料前處理-缺失值、異常值處理

無論是要做資料分析或是機器學習，當我們取得資料時總會發現資料有缺失或不合常理的值出現，因此，在使用資料之前會需要對這些缺失值和異常值做處理才能使我們得到較好的結果，接下來就要為大家介紹缺失值和異常值的處理方法~