iT邦幫忙

2021 iThome 鐵人賽

DAY 24
0
自我挑戰組

人臉辨識的基礎理論系列 第 24

人臉辨識-day24 模型預測

  • 分享至 

  • xImage
  •  

1.preliminaries
要如何選定特徵與要做甚麼樣的分類

step1:要先定做怎樣的分類
step2:給定資料特徵 --> 自動分類(先'教'電腦之後才測試準確度)
step3:電腦的學習方式(如:提供正確答案的資料-->supervised learning)
step4:在使用不是訓練資料來測試學習效果

2.General approach to solving a classification problem
列舉資料型態 --> 訓練資料 --> 分類演算法 --> 使用測試資料來訓練模型
使用以下的分類方式來測試
Rule-based Methods
Nearest-Neighbor classifiers
Bayesian Classifiers

3.Decision tree induction
使用訓練資料的分支條件作為依據,相異性越大越好
如:Hunt’s Algorithm

使用以下的評估方式來觀察模型訓練效果
Evaluation
Confusion matrix
Accuracy
Error Rate

常見的演算法:
Greedy strategy:是一種在每一步選擇中都採取在當前狀態下最好或最佳,而希望導致結果是最好或最佳的演算法。如:Travelling salesman problem


上一篇
人臉辨識-day23 資料的型態
下一篇
人臉辨識-day25 Overfitting、Underfitting
系列文
人臉辨識的基礎理論30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言