第三步 Training : 訓練並驗證,找出最佳結果

挑選[學習演算法]

• 什麼是演算法(Algorithm) (根據 Wiki 的定義)
  演算法（algorithm），在數學（算學）和電腦科學之中，為任何一系列良定義的具體計算步驟，常用於計算、數據處理和自動推理。作為一個有效方法，演算法被用於計算函式，它包含了一系列定義清晰的指令，並可於有限的時間及空間內清楚的表述出來。
  演算法中的指令描述的是一個計算，當其執行時能從一個初始狀態和初始輸入（可能爲空）開始，經過一系列有限而清晰定義的狀態最終產生輸出並停止於一個終態。一個狀態到另一個狀態的轉移不一定是確定的。包括隨機化演算法在內的一些演算法，都包含了一些隨機輸入。

Example 1 : 應對燈泡不亮的演算法

Example 2 : I-Nearest Neighbor Classifier (以最鄰近單位決定其分類)

Example 3 : K-Nearest Neighbor (kNN) Classifier (以下例子是以最近3個鄰近單位決定其分類, 至於多少鄰近單位由參數調整(k 值),這是模型評估之一)

學習演算法(模型)評估 Model Evaluation

• 如何量測好壞 Performance Measures
  • How predictive is the model we learned?
  • Natural performance measure for classifification problems: Accuracy
  • Success: instance’s class is predicted correctly
  • Error: instance’s class is predicted incorrectly
  • Accuracy: proportion of successes made over the whole set of instances

收集的數據可以拿來做訓練及測試使用

• 分二部分: Training/Testing Data Set
  
• Ensures that each class is represented with approximately equal proportions in both subsets
• (確保數據劃分時，不同類別的比例大致相同)
  

註:本文是搜尋數個網站及各種不同來源之結果,著重在學習,有些內容已難辦別出處,我會儘可能列入出處,若有疏忽或出處不可考,請聯絡我, 我會列入, 尚請見諒。