鐵人檔案
前言 我是一名資工系大三的學生，在同學的極力推薦(?)下決定參加這次的鐵人賽，在督促自己學習的同時，也是給未來的自己留一份筆記。六月起參與了三個月的機器學習專案...
本篇僅大概敘述各種情境，無深入探討，各情境常用演算法等將在之後的文章中討論 Supervised Learning (監督式學習) 會告訴機器正確的答案(...
說起線性回歸，這是我在學機器學習時碰到的第一個演算法，今天先簡單介紹線性回歸，明天會討論L1、L2正規化 Regression 在講線性回歸之前，先講講回歸...
正規化可減少模型overfitting的問題 L1 regularization (Lasso) 加入L1正規化 (loss function + L1...
前兩天介紹了線性回歸和幾種正規化方法的概念，今天來講要如何使用python實作，以及幾種常用參數介紹 環境建置 在開始之前先講一下我所使用的環境！ Ana...
在前幾天的筆記中有介紹過線性回歸（Linear Regression），線性回歸中的因變數與自變數呈現直線關係（線性關係），但實際上直線並不一定能很好的展現因...
前幾天有提過的線性回歸是用來預測一個連續的值，而今天要學的邏輯回歸則是用來做分類用的 線性回歸 V.S. 邏輯回歸 線性回歸:找到一條線，讓data盡可...
前幾天的迴歸模型中，我們希望找到一個函數能最好的表達因變數與自變數之間的關係，而尋找這個函數的方法就是定義損失函數(loss function)或稱成本函數(...
主要用於分類，也可以改為回歸樹(不建議)，今天只討論單顆決測樹，明天會學習多顆決策樹組合成的隨機森林 決策樹原理 對資料重複進行二元分割，形成樹狀結構 根...
隨機森林是由多棵昨天提過的決策樹組成，適合用在分類問題 原理 由很多顆決策樹組成，他會先從原資料中隨機抽取多個樣本，用這些樣本以隨機特徵選取的方式建立多棵...
