人類自從有電腦以來，每一天都不斷進步，硬體從龐大的機器，到現在量子電腦等~使用方式從最基本的整理資料，到現在進入Artificial Intelligence(AI)，透過電腦進行學習、辨識，每天不斷增長的數據量體，是電腦進行學習非常重要的資源，但是一定要有海量數據才能進行嗎?答案是否定的，有一些基本的演算方式可以進行基礎的機器學習，從等級來看機器學習 < 深度學習 < 人工智慧，小雷當初上Python課程時有一部分的課程就是AI，從基本神經元理論到Algorithm演算法，腦袋一開始裝了太多東西，雖然有一堆筆記，但並沒有吸收的很好。
開始進行數據分析的進程時有想過，如果數據清理完成能夠加入機器學習去模擬一些情況，是否分析的結果會更貼近真實心理反應?所以也重新把AI相關的書籍拿出來研讀，部落格文章慢慢的會加入機器學習的成分，除了自我筆記外，也希望可以將分析結合機器學習，達到更完整的分析成果。
目前在AI、機器學習不管是Tensorflow、scikit-learn、Keras，都是很多神人大大團隊建立的，雖然很好學習，載入模組就可以使用，但是小雷在學習上一直有個缺點，就是沒有辦法了解當中的運作時，會學不起來😰，所以打算先以基本的理論著手，若是能夠以基本演算方式可以有成果，那未來進行這些模組時，才知道怎麼運用，會先用R熟悉之後，再進入到Python模組進行。
一開始直接進入到AI有點過頭，所以從基礎開始一步一步來，機器學習裡面最簡易的大概就算是KNN演算方式，KNN全名為 : K Nearest Neighbor(有K個最接近的鄰居)，透過點對點公式計算需要預測的點有哪個鄰居是最相近的，概念有點像誰跟誰一國，所以用甚麼應該是一樣的😂，在心理學上有類似的模式，像是群聚效益、跟隨心理等等，不敢說完全正確，但確實有相對應的效果在。
機器學習相關文章也會陸續寫好放上來，相關文章連結如下，不定時更新
R Machine Learning Predict Product - KNN | R 機器學習預測商品 - KNN >> 文章請點我
沒有留言:
張貼留言