鐵人檔案
機器學習學派的理論與架構 機器學習學派 機器學習基本概念：透過以往資料的學習，選擇資料的特徵(Features)並自行歸納出隱藏在內的規則(Pattern)後...
監督式學習 監督式學習的基本概念與特色監督式學習(Supervised Learning)指人類在輸入機器的訓練資料時，預先提供了資料判斷的標準答案，以及所謂...
強化學習的基本概念由於人類許多任務不只是分類、分群與預測，而存在許多需要依據環境不斷動態變化，採取一系列連續性的決策。除了利用特徵值的機器學習方法外，植基於「回...
演算法主要分類架構 依照學習理論與任務演算法分類架構 分類任務：SVM、KNN、貝氏推理。 預測(迴歸)：馬可夫鏈、HMM、迴歸模型。 分群：K-Means、...
貝式推理 貝式推理的基本概念 利用已知相關事件證據，亦即所謂的先驗概率(Priori Probability)來推導出我們對某一事件或假說(即後驗概率(Post...
馬可夫鏈與隱藏馬可夫鏈 馬可夫鏈基本概念 必須假設每個變數是獨立的，然而在許多情況下變數不是獨立的，而是互相依賴有關係的，例如：自然語言。若AI要預測分析自然語...
類推學派 類推學派(Analogical Reasoning)主要知識推理哲學，不是用貝氏推理的「概率」也不是符號學派的「因果關係」(Causal Relati...
符號學派主要演算法 決策樹演算法 決策樹基本概念一種由上而下，利用不同屬性的值，來逐漸細分類別的一種監督式分類演算法，每個內部節點(Internal Nod...
非監督演算法的主要演算法 K平均演算法(K-Means) 集群(Cluster)：一種精簡資料方法，依據資料間樣本屬性的相似性，由機器自行將各種屬性相似度都高的...
演算法的選擇與評價 演算法準確性衡量 AI最主要的能力是預測與分類，AI比需要有高水準的精確度才可以從實驗室的玩具走向商業化與實用化，因此對於演算法精確度衡量，...
