期末報告-- [ridge regression]

Slides:



Advertisements
Similar presentations
教育部 1 教育部技職司 南區: 2010 年 11 月 5 日 北區: 2010 年 11 月 8 日 中區: 2010 年 11 月 9 日 產學攜手合作計畫 政策宣導.
Advertisements

104 年度環保小學堂 經費編列注意事項 會計室 : 丁子芸 中華民國 103 年 10 月 22 日 會計室 : 丁子芸 中華民國 103 年 10 月 22 日.
布袋戲曲的賞析. 什麼是戲曲? 布袋戲是 戲曲嗎? 泉州木偶戲欣賞: 564 布袋戲初傳台灣時,受南管影響。 在台灣深根發展後,轉受北管影響深遠。 進入電視布袋戲後,與南北管脫勾, 黃俊雄領導的金光布袋戲引入台語流行歌,
数据结构 东北大学软件学院数据结构课程建设小组.  通过本课程的学习掌握常用数据结构的逻辑结构特 征、存储结构及相关算法及实现的原理。  学会从问题入手,分析研究计算机加工的数据结构 的特性,以便为应用所涉及的数据设计适当的逻辑 结构、存储结构及其相应的操作算法,并初步掌握 时间和空间分析技术。
广东省省级精品课程 国际贸易 第一章 导论 广东外语外贸大学 何元贵教授 第一章 导论 第一节 概述 一、国际贸易课程的历史及其地位 早期的苏联模式 90 年代的国际经济学 经济学专业学生的必修课程之一.
產學攜手合作計畫 楊授印 國立虎尾科技大學 推廣教育中心 主任 動力機械工程系 助理教授 民國103年10月30日.
类别资料分析 Categorical Data Analysis 王德育 (T. Y
現階段外籍與大陸配偶移入因應方案 (草案)
幼兒發展語學習專題研究起點 --論文寫作管理
从生命伦理学角度 对转基因食品市场准入标准及道德评价标准的研究
硕士论文开题报告 煤炭企业物流信息系统的 研究与设计 指导老师: 学生姓名: 学 号:
TIC 智慧城市与物联网创新创业大赛 齐 技术模式 创新,智慧城市 成真 梦 主办单位: 协办单位: 合作高校:
人 工 智 慧 報 告 五子棋AI設計 報告者 : 潘輝銘.
第三章 健康与疾病.
第七章.语言演变与语言分化 【课程内容】 7.1 语言演变的原因和特点 7.2 语言的分化 【重点、难点】
Computer graphic final project report
資料探勘應用於英雄聯盟(League of Legends)匹配系統可能性之研究
產業人力套案簡介 -與教育部有關部分- 教育部技職司 專門委員 章忠信 2007年3月14日.
組別: 指導老師:張景榮 老師 組員: 李儀姿 、 陳雅貞
教育部技職司 北區:2015年10月12日下午 南區:2015年10月16日下午
Mathematical Analysis 財金案例的應用
特殊兒童 特殊兒童 班級經營 科目名稱:班級經營 授課教師:蘇國榮 老師
第一組成員 蕭毓文(1號) :內壢高中 范美珍(4號) :平鎮高中 林宏茂(6號) :中壢高中 林桂鳳(18號) :竹北高中
個人投資理財分析 財務狀況匯總表 銀行存款 共同基金 外幣基金 股票投資 保險價值 黃金投資 支出預算 房貸計算 不動產價值 資源變化資料庫
Chapter6 投资银行.
第6章 程序设计与算法 计算机应用基础 数学与计算机工程学院.
臺北市立松山家商 103學年度第1學期 學校日 教學說明 簡報
Computer Graphics and Visualization Final Project
Chapter9 金融监管体系.
Arduino Wifi 模組 學生:楊御政 指導老師:林得裕 老師.
全球工程師共同的語言 MathWorks 台灣總代理鈦思科技 指導老師 : 郭艷光教授 報告者 : 吳育驊
Source: IEEE Access, vol. 5, pp , October 2017
Git介绍 邹琼俊.NET码农 博客园博客地址
Advanced Artificial Intelligence
從美國豐田汽車談起 國立中興大學資管系呂瑞麟教授
The Nature and Scope of Econometrics
主講人 陳陸輝 特聘研究員兼主任 政治大學選舉研究中心 美國密西根州立大學博士
设计题目(中文) 英文 姓名 单位 ___年___月___日.
有效的運用組織資源 Linear Programming (Goal Programming)
Chap 4 軟體品質保證.
生物統計 1 課程簡介 (Introduction)
Chapter 8 Model Inference and Averaging
106年「防暴社區初級預防宣導計畫」 補助案作業時程及撰寫說明 衛生福利部(保護服務司)
期末報告 Clustering DBSCAN
HITSCIR-TM zkli-李泽魁 March. 24, 2015
2011年教學觀摩會 教學心得報告 共同學科軍訓室馬毓君 2011年4月28日.
REPRESENTATION: CULTURAL REPRESENTATION AND SIGNIFYING PRACTICES
第二章 軟體測試概論.
DeepPath 周天烁
求職防騙面面觀 不累生活文化有限公司 行政總監 賴永洲.
谁在审判?谁能审判? ——网络舆论对司法判案的影响
中国农业科学院博士后学术论坛 博士后基金申请的经验及体会 中国农业科学院生物技术研究所 秦 华 博士
國金期末報告 股價指數與匯率之間的動態關係: 以台灣、日本、韓國為例 授課老師:楊奕農 學生:郭俊旻.
欠拟合与过拟合 龙沛洵
第1次會議 : 角色與責任 Role and Responsibilities
教育部 「105年學生藥物濫用 防制認知檢測」.
小组成员:温中磊,吕政凯,楼静靓,简浩男,陈金润
Speaker : YI-CHENG HUNG
期末報告 Isolation Forest 學號:R 姓名:林韋宏
松鼠狗 聖士提反女子中學附屬小學 陳文希.
a. b. c. Geography Review 主題五 礦產、能源與交通 礦 產 能 源
將定出這些構件承受彎曲所產生之應力。先討論如何繪出對於樑或軸之剪力及彎矩圖 (the shear and moment diagrams)。如同正向力及扭矩圖,剪力及彎矩圖提供定出構件中最大剪力及彎矩之有效方法,並確知這些極值發生在何處。一旦求得某截面內彎矩 (the internal moment),則可定出彎曲應力.
臺中國小資訊研習 (運算思維).
數研社 第2小組 作者:陳琳瑄、洪紫瑄、李雨青、李京融
数据挖掘 DATA MINING 刘 鹏 张 燕 总主编 王朝霞 主编 施建强 杨慧娟 陈建彪 副主编
Term Project : Requirement
利用衛星定位與智慧號誌控制技術針對救險車輛之大眾避讓系統設計
Gaussian Process Ruohua Shi Meeting
新選課系統說明會 電算中心 林以仁.
Simulink National Tsing Hua University
Presentation transcript:

期末報告-- [ridge regression] 姓名:秦暐峻

Outline Algorithm Introduction Code Review Model Preview Live Demo(Using InAnalysis) Conclusion Reference

Algorithm Introduction Regression – 迴歸 迴歸分析是建立因變數Y與自變數X之間關係的模型 (維基百科) 來源:https://zh.wikipedia.org/wiki/%E8%BF%B4%E6%AD%B8%E5%88%86%E6%9E%90

Algorithm Introduction Regression – 迴歸 迴歸分析是建立因變數Y與自變數X之間關係的模型 (維基百科) 找到一個可以預測結果的函數(Function) 來源:https://zh.wikipedia.org/wiki/%E8%BF%B4%E6%AD%B8%E5%88%86%E6%9E%90

Algorithm Introduction Regression – 迴歸 迴歸分析是建立因變數Y與自變數X之間關係的模型 (維基百科) 找到一個可以預測結果的函數(Function) 𝑓 = 性別(男/女) 來源:https://zh.wikipedia.org/wiki/%E8%BF%B4%E6%AD%B8%E5%88%86%E6%9E%90

Algorithm Introduction Regression – 迴歸 迴歸分析是建立因變數Y與自變數X之間關係的模型 (維基百科) 找到一個可以預測結果的函數(Function) 𝑓 = 購買意願 來源:https://zh.wikipedia.org/wiki/%E8%BF%B4%E6%AD%B8%E5%88%86%E6%9E%90

Algorithm Introduction Linear Regression – 線性迴歸 當因變數Y為continuous的資料 找到一個可以預測結果的函數(Function) 來源: http://www.csie.ntnu.edu.tw/~u91029/Regression.html

Algorithm Introduction Linear Regression – 線性迴歸 當因變數Y為continuous的資料 找到一個可以預測結果的函數(Function) 𝑓 = 明日股價 來源: http://www.csie.ntnu.edu.tw/~u91029/Regression.html

Algorithm Introduction Linear Regression – 線性迴歸 當因變數Y為continuous的資料 找到一個可以預測結果的函數(Function) 預測值 係數 特徵 𝑦=𝑏+ 𝑤 𝑖 𝑥 𝑖 𝑓 = 明日股價 來源: http://www.csie.ntnu.edu.tw/~u91029/Regression.html

Algorithm Introduction Linear Regression – 線性迴歸 建立 Loss function 來源: http://blog.csdn.net/aiirrrryee/article/details/69561239

Algorithm Introduction Linear Regression – 線性迴歸 建立 Loss function 來源: http://blog.csdn.net/aiirrrryee/article/details/69561239

Algorithm Introduction Overfitting Problem Underfitting Overfitting 雖然在Traing data取得最低的Loss,但無法對Testing data進行良好預測 來源: http://murphymind.blogspot.tw/2017/05/machine.learning.regularization.html

Algorithm Introduction Overfitting Problem – Regularization (正規化) 藉由正規化降低係數,讓函數較平滑,避免Overfitting 來源: http://murphymind.blogspot.tw/2017/05/machine.learning.regularization.html

Algorithm Introduction Ridge Regression – 利用L2范數來做正規化 來源: http://blog.csdn.net/aiirrrryee/article/details/69561239

Algorithm Introduction Ridge Regression – 利用L2范數來做正規化 L2-norm λ 太大 -> underfitting λ 太小 -> overfitting Lamda 來源: http://blog.csdn.net/aiirrrryee/article/details/69561239

Algorithm Introduction Ridge Regression – 利用L2范數來做正規化 L2-norm Lamda L2:所有元素的平方和開根號 對於權重進行約束,使w趨近於0但不等於0 (每個特徵都有權重,無法對特徵選擇) 來源: http://blog.csdn.net/aiirrrryee/article/details/69561239

Algorithm Introduction Ridge Regression – 利用L2范數來做正規化 L2-norm Lamda L2:所有元素的平方和開根號 對於權重進行約束,使w趨近於0但不等於0 (每個特徵都有權重,無法對特徵選擇) -> L1 Lasso Regression 來源: http://blog.csdn.net/aiirrrryee/article/details/69561239

Code Review 在各演算法子類別中實作 繼承 algo_component 中的 ParamsDefinitionSet 類別

Code Review Scikit linear_model中的Ridge

Code Review 在utils建立演算法物件

Code Review 建立Unittest進行測試

**Bonus: Model Preview 用sklearn中的diabetes資料

Live demo

Conclusion 總結 對於機器學習過程更加熟悉(系統流程明確) 了解不同類型的預測問題 實作演算法的架構

Reference 參考 維基百科-迴歸分析 https://zh.wikipedia.org/wiki/%E8%BF%B4%E6%AD%B8%E5%88%86%E6%9E%90 Regression演算法 http://www.csie.ntnu.edu.tw/~u91029/Regression.html Ridge & LASSO & Elastic Net http://blog.csdn.net/aiirrrryee/article/details/69561239 機器學習:正規化 http://murphymind.blogspot.tw/2017/05/machine.learning.regularization.html