Nhật ký học tập

Giới thiệu về Amibroker Amibroker theo developer Tomasz Janeczko được xây dựng dựa trên ngôn ngữ C. Vì vậy bộ code Amibroker Formula Language sử dụng có syntax khá tương đồng với C, ví dụ như câu lệnh #include để import hay cách gói các object, hàm trong các block {} và kết thúc câu lệnh bằng dấu “;”. AFL trong Amibroker là ngôn ngữ xử lý mảng (an array processing language). Nó hoạt động dựa trên các mảng (các dòng/vector) số liệu, khá giống với cách hoạt động của spreadsheet trên excel.

 https://github.com/jasontaylordev/NorthwindTraders

Hộp đầu tiên có hai quả bóng màu trắng. Hộp thứ hai có hai quả bóng màu đen. Hộp thứ ba có một quả trắng và một quả đen. Các hộp được dán nhãn nhưng mọi nhãn đều sai. Bạn được quyền mở một hộp, lấy ngẫu nhiên một quả bóng, xem màu và bỏ lại vào hộp mà không thể nhìn thấy màu quả bóng còn lại. Vậy bạn cần mở hộp với nguyên tắc trên bao nhiêu lần để có thể dán đúng nhãn cho các hộp?

Trong bài viết này, mình tập trung ghi chú lại nhưng điều cần thiết để cài đặt và chạy chương trình Machine Learning, áp dụng cho bài toán phân tích phản hồi (tiêu cực hay tích cực) Thật ra có thư viện nổi tiếng khác là Tenflow, nhưng do mình không quen với Python nên mình kiếm thư viện khác thay thế, và đó là ML.NET Bài toán Sentiment analysis có link hướng dẫn: https://docs.microsoft.com/vi-vn/dotnet/machine-learning/tutorials/sentiment-analysis Bài toán này đặt ra là làm sao khi một người nhập 1 comment vào, mình sẽ phân tích được comment đó là tích cực hay tiêu cực. Nếu theo cách suy nghĩ thông thường, thì mình có thể phân tích. Nhưng với máy tính, chúng ta sẽ áp dụng trí tuệ nhân tạo. Các bước chuẩn bị: Data: bao gồm dữ liệu học (training) và testing. Mặc định data testing là 10% Data thực tế cần kiểm chứng Visual Studio 2019 Thư viện ML.NET Quá trình: Chuẩn bị dữ liệu =>Tải dữ liệu => Xây dựng và huấn luyện (chọn thuật toán) => Đánh giá mô hình => Sử dụng mô hình để d...