鐵人檔案
開啟30天學習Google Developers Machine Learning的旅程
除了分類和迴歸模型外，還有樹狀模型可以供選擇，先來認識一下簡單的決策樹。 參考文章第3.5講 : 決策樹(Decision Tree)以及隨機森林(Random...
決策樹學習完畢，就要來複雜化決策樹，進行另一個樹模型「隨機森林」。 以下參考文章： Random Forest Simple Explanation A...
最後一個樹模型「梯度提升機」，類似於隨機森林，但各樹間有關聯性，會根據前一棵樹來修正。 梯度提升機 (Gradient Boosting Machine) 每次...
選擇完模型後，接下來要進行「超參數調整」，但是其實對模型的提升有限。 何謂超參數 LASSO、Ridge：α 的⼤小 決策樹：樹的深度、節點最小樣本數 隨機森...
集成方法 使⽤不同⽅式，結合多種不同分類器，作為綜合預測的做法。 將模型截長補短，也可說是機器學習裡的「多數決」 資料面集成 使⽤不同訓練資料 + 同一種模...
學了那麼多監督式學習的方法，這篇就來總整理一下，這樣比較好實作出結果。 1.前處理 Processing 1.1.資料取得 讀取CSV格式 data_path...
