鐵人檔案
本題目將製作一份讓沒有學過程式的初學者，或是不知道人工智慧是什麼的學習者了解如何寫基礎的程式設計以及人工智慧的機器學習跟深度學習的基礎介紹
深度神經網路架構(ANN) 輸入層 輸入資料(Data)的特徵值 (Features) 隱藏層 做運算 前向傳播(Forward propagation)...
監督學習（Supervised Learning）： 監督學習是一種機器學習方法，其中模型根據帶有標註的訓練數據進行學習，並根據這些標註來預測新的未標註數據的標...
基本架構 1.找出問題2.思考是否真的需要使用機器學習?3.資料收集4.資料前處理5.特徵工程6.模型訓練7.模型評估8.微調模型&參數9.預測&...
特徵工程 將原始數據轉換為更有價值和更有意義的特徵，以改善機器學習模型的性能。良好的特徵工程可以提高模型的準確性、降低過度擬合風險 特徵正規化 線性函數正規化（...
訓練與測試集合 訓練集就像是在一門課學習東西;測試集就像是學完這堂課的內容後所出的考試 from sklearn.model_selection import...
於建立自變數（cause）和依變數（dependent variable）之間關係的統計模型 自變數（independent variable）：解釋變數，是...
邏輯迴歸 (Logistic Regression) 分類度量 混淆矩陣（Confusion Matrix） 混淆矩陣包括真正例（True Positives,...
貝氏定理 P(A∣B) = P(B∣A)⋅P(A)/P(B) P(A∣B)：表示在事件B發生的條件下，事件A發生的機率，稱為後驗機率。 P(B∣A)：表示在...
支援向量機（Support Vector Machine，SVM） 用於監督式學習中的分類和回歸 找到一個超平面將不同類別的數據點分開，同時最大化兩個類別之間...
決策邊界（Decision Boundary） 分類問題: 二元或多元分類問題 二元分類: 決策邊界是一條線、曲線或超平面 多元分類: 決策邊界是多維...
