Classification ใน Machine Learning
MATLAB BKK CENTER
Model จะใช้การ dataset ที่มีในการ Training
Label ในการกำกับคลาส เช่น Spam / Not spam
โดยจะกำหนดเป็นเลขจำนวนเต็ม เช่น
Spam = 0
Not spam = 1
- Dataset
เริ่มต้นด้วยข้อมูล Dataset ที่ใช้ เป็น Span database ซึ่ง มี Opensource ที่สามารถนำมาใช้ได้ สำหรับเป็นพื้นที่เก็บข้อมูล Data training ซึ่งเราใช้แหล่งข้อมูลของ UCI ซึ่งเป็น ชุดข้อมูลที่มี Email 5569 ฉบับ โดย 745 ฉบับเป็น Email ที่เป็น Spam email
Target ตัวแปรของ Dataset นี้คือ spam
ซึ่งจะระบุให้เป็น “1” ส่วนตัวแปรอื่นเป็น “0”
2. การจัดลำดับข้อความ
3. เลือกใช้โมเดล RNN
Deep learning RNN Model
ภาพยนตร์ประกอบด้วยฉากต่างๆ เมื่อเราดูฉากใดฉากหนึ่ง เราไม่ได้พยายามเข้าใจฉากนั้นฉากเดียว แต่เราพยายามเข้าใจสิ่งที่เกี่ยวข้องกับฉากก่อนหน้าด้วย ในทำนองเดียวกัน โมเดลการเรียนรู้จะต้องเข้าใจข้อความโดยใช้ข้อความที่เรียนรู้ไปแล้ว เช่นเดียวกับในโครงข่ายประสาทเทียม การเรียนรู้ของมนุษย์ ซึ่งเป็นรููปแบบการเรียนรู้ของ RNN
LSTM
RNN มีโมดูลการทำซ้ำที่รับอินพุตจากสเตจก่อนหน้าและให้เอาต์พุตเป็นอินพุตไปยังสเตจถัดไป
RNN เราสามารถเก็บข้อมูลจากขั้นตอนล่าสุดเท่านั้น
เพื่อเรียนรู้การพึ่งพาในระยะยาว เครือข่ายของเราต้องการพลังในการท่องจำ นี่คือจุดที่ Long Short Term Memory Networks (LSTM) มาช่วยเหลือ
LSTM เป็นกรณีพิเศษของ RNN ซึ่งมีโครงสร้างคล้ายลูกโซ่เหมือนกับ RNN แต่มีโครงสร้างโมดูลการทำซ้ำที่แตกต่างกัน
Performance model
เราสามารถติดตามหรือหากมีความสนใจ สามารถลงทะเบียนได้ใน Course Data Science Roadmap ซึ่งอบรมออนไลน์ 8 สัปดาห์ เรียนว่าเจาะลึกพร้อมตัวอย่างการประยุกต์ใช้ สามารถติดต่อสอบถามไปทาง Admin Facebook Page :(20) Matlab bkk center | Facebook
สามารถติดตามเนื้อหาความรู้ต่างๆ โดยเฉพาะการใช้ประยุกต์ใช้กับโปรแกรม Matlab ได้ที่ Facebook Page :(20) Matlab bkk center | Facebook
Machine Learning for #Predictive #Maintenance Course
NEURAL NETWORK AND DEEP LEARNING COMPLETE COURSE :
ใครอยากเรียนรู้จากตัวอย่างการ Apply จาก #ProjectMachinelearning ต้องไม่พลาด
#Matlab Code ร่วมแชร์ความรู้ สาระผ่านกลุ่ม ->
(กลุ่ม Facebook Matlab Bkk AI & Data science & Other Classroom)>
https://web.facebook.com/groups/403881684322230/