原本預計在30天的賽程後期能做到技術篇的部分，但最後卻沒有，經過因期中考而暫停時間後，決定繼續上傳記錄自己的學習過程，希望自己能在AI領域越來越進步，同時自學能力也能更上一層樓!

技術篇大多使用Google Colab!

鳶尾花(Iris)品種的辨識

是使用分類演算法，進行Iris品種的辨識。

(依照鳶尾花的花萼sepal長度、寬度，花瓣petalt長度、寬度的特徵來辨識)

1. 載入相關套件
   
2. 載入Scikit-learn內建的鳶尾花資料集
   
3. 查看鳶尾花資料集的說明
   
4. 將屬性資料轉換為Pandas表格
   
5. 取得目標變數(Y):訓練資料中人工標註的每一筆的鳶尾花品種(0/1/2代表3個品種)
   
6. 取得目標變數的類別名稱
   
7. 針對每一個變數進行分析，並對各變數檢查關聯性、各類別資料筆數進行統計。
   
   
   
   
   
   
8. 資料分割，將資料及切割為Training Data(提供模型訓練用)和Test Data(衡量模型效能)。
   
   
9. 特徵縮放，將所有特徵規模一致化，避免數值單位不同使每個欄位對模型預測評估不一致。
   
10. 選擇演算法，使用LogisticRegression。
    
11. 模型訓練，訓練完成後儲存在clf變數中。
    
12. Scoring，針對測試資料預測，然後將預測結果與真實答案做比對，統計出正確比例。
    
13. 計算準確率。
    
14. 使用混淆矩陣觀察預測結果哪一類錯誤較多，針對錯誤多的收集更多資料、重新分類或調整演算法參數。
    
15. 使用混淆矩陣圖觀察。
    
    
16. 模型存檔。
17.