第八天了~~~ 就持續下去吧~~

昨天講了一下機器學習的大概，今天來講講Regression and Classification吧

Regression代表的是"回歸"，你猜的沒有錯，就是標準曲線然後有個相關係數的那個

這就是最簡單的機器學習了(至少你學會一樣)

簡單的來說就是你將數字帶入這個回歸線的方程式內，方程式會給你一個"預測"答案

(機器學習都是預測，沒有一定)

Classification顧名思義就是分類，甚麼意思?

假如我有垃圾信件(spam)和還有正常的信件，那我可以藉由機器學習的方式來進行區分出來，哪些下去，哪些不要下去這樣，但這邊幾乎就是二分法，此外也依賴的歷史數據(例如:訂閱特價多少...這類的)，所以屬於監督式學習。

另外說道二分法就不得不提Perceptron感知器還有神經網絡了。這些是甚麼東西?

先來說說神經網絡

小時候適不是有學過神經衝動之類的，神經元呀...等

就是要超過有一定的值，我們稱為threshold，超過這個神經才會有反應

那我們來用數學模擬這個

這個w代表是參數，為何要增加參數，痾...簡單的來說就是為了更精確地去分辨

參數越高，代表這個特徵越重要。(例如美麗跟眼睛大有很大的關係，但有沒有我不知道)

接著將所有特徵都放入後產生的值若大於一定的話，就會發生反映這樣

再來提提Perceptron

Perceptron就是機器會依照不同的權重去調整參數，以便完美的分開值(分類)

簡單來說這是一種分類的方式。

今天先這樣。

參考資料:

https://developers.google.com/machine-learning/guides/text-classification/

google cousera課程

http://qingkaikong.blogspot.com/2016/11/machine-learning-5-artificial-neural.html