บทช่วยสอนงูหลาม

Python HOME แนะนำ Python Python เริ่มต้น ไวยากรณ์หลาม ความคิดเห็นหลาม ตัวแปรหลาม ประเภทข้อมูลหลาม ตัวเลขหลาม Python Casting Python Strings Python Booleans ตัวดำเนินการ Python รายการหลาม Python Tuples ชุดหลาม พจนานุกรม Python Python If...Else Python ในขณะที่ลูป Python สำหรับลูป ฟังก์ชั่นหลาม Python Lambda Python Arrays Python คลาส/วัตถุ มรดกหลาม Python Iterators ขอบเขตหลาม โมดูล Python วันที่หลาม คณิตศาสตร์หลาม Python JSON Python RegEx Python PIP Python ลอง...ยกเว้น อินพุตผู้ใช้ Python การจัดรูปแบบสตริงหลาม

การจัดการไฟล์

การจัดการไฟล์ Python Python อ่านไฟล์ Python เขียน/สร้างไฟล์ Python ลบไฟล์

โมดูล Python

กวดวิชา NumPy เกมส์หมีแพนด้า กวดวิชา Scipy

Python Matplotlib

บทนำ Matplotlib Matplotlib เริ่มต้น Matplotlib Pyplot Matplotlib พล็อต เครื่องหมาย Matplotlib Matplotlib Line ป้ายกำกับ Matplotlib Matplotlib Grid แผนย่อย Matplotlib Matplotlib Scatter Matplotlib บาร์ Matplotlib Histograms Matplotlib แผนภูมิวงกลม

การเรียนรู้ของเครื่อง

เริ่มต้น โหมดค่ามัธยฐาน ส่วนเบี่ยงเบนมาตรฐาน เปอร์เซ็นไทล์ การกระจายข้อมูล การกระจายข้อมูลปกติ พล็อตกระจาย การถดถอยเชิงเส้น การถดถอยพหุนาม การถดถอยพหุคูณ มาตราส่วน รถไฟ/ทดสอบ ต้นไม้การตัดสินใจ

Python MySQL

MySQL เริ่มต้น MySQL สร้างฐานข้อมูล MySQL สร้างตาราง MySQL Insert MySQL Select MySQL Where MySQL สั่งซื้อโดย MySQL Delete MySQL Drop Table MySQL Update MySQL Limit MySQL เข้าร่วม

Python MongoDB

MongoDB เริ่มต้น MongoDB สร้างฐานข้อมูล MongoDB สร้างคอลเล็กชัน MongoDB แทรก MongoDB ค้นหา แบบสอบถาม MongoDB MongoDB Sort MongoDB ลบ MongoDB Drop Collection อัพเดท MongoDB MongoDB Limit

การอ้างอิงหลาม

ภาพรวมของ Python ฟังก์ชันในตัวของ Python Python String Methods Python List Methods วิธีพจนานุกรม Python วิธี Python Tuple Python Set Methods วิธีไฟล์ Python คีย์เวิร์ด Python ข้อยกเว้นของ Python คำศัพท์หลาม

การอ้างอิงโมดูล

โมดูลสุ่ม โมดูลคำขอ โมดูลสถิติ โมดูลคณิตศาสตร์ โมดูล cMath

Python ฮาวทู

ลบรายการที่ซ้ำกัน ย้อนกลับสตริง เพิ่มสองตัวเลข

ตัวอย่าง Python

ตัวอย่าง Python Python Compiler แบบฝึกหัดหลาม แบบทดสอบ Python ใบรับรอง Python

การเรียนรู้ของเครื่อง

แมชชีนเลิร์นนิงทำให้คอมพิวเตอร์เรียนรู้จากการศึกษาข้อมูลและสถิติ

การเรียนรู้ของเครื่องเป็นก้าวไปสู่ทิศทางของปัญญาประดิษฐ์ (AI)

Machine Learning เป็นโปรแกรมที่วิเคราะห์ข้อมูลและเรียนรู้ที่จะทำนายผลลัพธ์

ที่จะเริ่มต้น?

ในบทช่วยสอนนี้ เราจะกลับไปที่วิชาคณิตศาสตร์และสถิติการศึกษา และวิธีการคำนวณตัวเลขที่สำคัญตามชุดข้อมูล

นอกจากนี้เรายังจะได้เรียนรู้วิธีการใช้โมดูล Python ต่างๆ เพื่อให้ได้คำตอบที่เราต้องการ

และเราจะเรียนรู้วิธีการสร้างฟังก์ชันที่สามารถทำนายผลลัพธ์ตามสิ่งที่เราได้เรียนรู้


ชุดข้อมูล

ในความคิดของคอมพิวเตอร์ ชุดข้อมูลคือชุดของข้อมูลใดๆ มันสามารถเป็นอะไรก็ได้ตั้งแต่อาร์เรย์ไปจนถึงฐานข้อมูลที่สมบูรณ์

ตัวอย่างของอาร์เรย์:

[99,86,87,88,111,86,103,87,94,78,77,85,86]

ตัวอย่างของฐานข้อมูล:

คาร์เนมสีอายุความเร็วออโต้พาส
BMWสีแดง599Y
วอลโว่สีดำ786Y
VWสีเทา887นู๋
VWสีขาว788Y
ฟอร์ดสีขาว2111Y
VWสีขาว1786Y
เทสลาสีแดง2103Y
BMWสีดำ987Y
วอลโว่สีเทา494นู๋
ฟอร์ดสีขาว1178นู๋
โตโยต้าสีเทา1277นู๋
VWสีขาว985นู๋
โตโยต้าสีฟ้า686Y

เมื่อดูที่อาร์เรย์ เราสามารถเดาได้ว่าค่าเฉลี่ยน่าจะประมาณ 80 หรือ 90 และเราสามารถกำหนดค่าสูงสุดและค่าต่ำสุดได้ แต่เราจะทำอะไรได้อีก

และเมื่อดูจากฐานข้อมูล เราจะเห็นได้ว่าสีที่ได้รับความนิยมมากที่สุดคือสีขาว และรถที่เก่าแก่ที่สุดคือ 17 ปี แต่ถ้าเราสามารถคาดเดาได้ว่ารถยนต์มี AutoPass หรือไม่ เพียงแค่ดูจากค่าอื่นๆ

นั่นคือสิ่งที่แมชชีนเลิร์นนิงมีไว้เพื่อ! วิเคราะห์ข้อมูลและทำนายผล!

ในแมชชีนเลิร์นนิงเป็นเรื่องปกติที่จะทำงานกับชุดข้อมูลขนาดใหญ่มาก ในบทช่วยสอนนี้ เราจะพยายามทำให้เข้าใจแนวคิดต่างๆ ของแมชชีนเลิร์นนิงได้ง่ายที่สุดเท่าที่จะเป็นไปได้ และเราจะทำงานกับชุดข้อมูลขนาดเล็กที่เข้าใจง่าย


ประเภทข้อมูล

ในการวิเคราะห์ข้อมูล สิ่งสำคัญคือต้องรู้ว่าเรากำลังจัดการกับข้อมูลประเภทใด

เราสามารถแบ่งประเภทข้อมูลออกเป็นสามประเภทหลัก:

  • ตัวเลข
  • หมวดหมู่
  • ลำดับ

ข้อมูล ตัวเลขเป็นตัวเลข และสามารถแบ่งออกเป็นสองประเภทตัวเลข:

  • Discrete Data
    - ตัวเลขที่จำกัดเฉพาะจำนวนเต็ม ตัวอย่าง: จำนวนรถที่วิ่งผ่าน
  • ข้อมูลต่อเนื่อง
    - ตัวเลขที่มีค่าอนันต์ ตัวอย่าง: ราคาของสินค้า หรือขนาดของสินค้า

ข้อมูลตาม หมวดหมู่คือค่าที่ไม่สามารถวัดกันได้ ตัวอย่าง: ค่าสี หรือค่าใช่/ไม่ใช่ใดๆ

ข้อมูล ลำดับเป็นเหมือนข้อมูลที่เป็นหมวดหมู่ แต่สามารถวัดผลซึ่งกันและกันได้ ตัวอย่าง: เกรดของโรงเรียนที่ A ดีกว่า B เป็นต้น

เมื่อทราบชนิดข้อมูลของแหล่งข้อมูลแล้ว คุณจะสามารถทราบได้ว่าจะใช้เทคนิคใดในการวิเคราะห์

คุณจะได้เรียนรู้เพิ่มเติมเกี่ยวกับสถิติและการวิเคราะห์ข้อมูลในบทต่อไป