[第2天]機器學習基礎概念 - iT 邦幫忙::一起幫忙解決難題，拯救 IT 人的一天

2019 iT 邦幫忙鐵人賽

DAY 3

0

自我挑戰組

資料工程師的Machine Learning/工作學習歷程系列第 3 篇

[第2天]機器學習基礎概念

2019鐵人賽

2018-10-03 15:44:16

3272 瀏覽

分享至

How to Lie With Statistics
我們利用計算機來彰顯數據背後的含意。
一般來說並不存在最好的算法或是可以給出最好結果的算法。

基本名詞：
- 訓練集：用於訓練機器學習算法的數據樣本集合。
- 目標變量：(分類算法中通常是類別型；回歸算法中通常是連續型的)是機器學習算法的預測結果。
- 特徵(屬性)：為訓練樣本集的列，多個特徵聯繫在一起型成一個訓練樣本。
- 監督學習：須知道要預測什麼(v.s非監督學習)
- 分類：離散數據適用，例如分鳥類
- 預測：連續型變數適用，例如預測會員會不會續約
- 非監督學習：不需知道要預測什麼
- 聚類：將數據及分成由類似對象組成的多個類
- 密度估計：尋找描述數據統計值的過程

在進行機器學習前，須對資料進行清理及了解，避免垃圾進垃圾出的情況，而簡單的視覺化會是很好的方法檢查與觀察數據的分佈。需針對異常值、缺失值及缺失原因與特徵與其類別、頻率進行了解。

[第3天]k-近鄰算法(KNN)

[第4天]k-近鄰算法(KNN)-2

系列文

資料工程師的Machine Learning/工作學習歷程共 20 篇

目錄

RSS系列文訂閱系列文

27 人訂閱

完整目錄

直播研討會

{{ item.subject }}

{{ item.channelVendor }} {{ item.webinarstarted }} |

{{ formatDate(item.duration) }}

直播中

1 則留言

0

Darwin Watterson

iT邦好手 1 級 ‧ 2018-10-03 15:47:38

標題第二天跟第三天好像打反了...

回應 2
檢舉

nora1171 iT邦新手 5 級 ‧ 2018-10-04 14:01:43 檢舉

因為我發現我在打的時候內容順序打反了Q

Darwin Watterson iT邦好手 1 級 ‧ 2018-10-04 14:08:02 檢舉

只是剛好閒逛發現,哈哈! ＭＬ主題的戰況也很激烈，加油吧

登入發表回應

我要留言

立即登入留言

參賽組數

1064 組

團體組數

40 組

累計文章數

22200 篇

完賽人數

602 人

15th鐵人賽 16th鐵人賽 13th鐵人賽 14th鐵人賽 12th鐵人賽 11th鐵人賽鐵人賽 2019鐵人賽 javascript 2018鐵人賽 python 2017鐵人賽 windows php c# windows server linux css react vue.js

IT邦幫忙