More Related Content
Recently uploaded
Recently uploaded (11)
Featured
Featured (20)
Lab405ML01
- 1. 1.7 機器學習概念
- 3. Table of Content Part 1 怎麼訓練機器？ - Holdout 驗證 - K-fold 驗證 Part 2 問題的種類？ - 分類問題（監督式學習） - 分群問題（非監督式學習） Part 3 分類問題的學習方法 - 決策樹（Decision Tree） - 最近鄰居法（k-Nearest Neighbors） - 支持向量機（SVM） Part 4 分群問題的學習方法 - k-平均演算法（k-means clustering） - 主成分分析（Principal Component Analysis）
- 4. 怎麼訓練機器？ • Holdout 驗證 • K-fold 驗證 怎 麼 訓 練 機 器 問 題 的 種 類 分 類 問 題 的 學 習 方 法 分 群 問 題 的 學 習 方 法
- 11. • Holdout 驗證 • K-fold 驗證 怎麼訓練機器？ 怎 麼 訓 練 機 器 問 題 的 種 類 分 類 問 題 的 學 習 方 法 分 群 問 題 的 學 習 方 法
- 12. 問題的種類 • 監督式學習 - 回歸問題 Regression - 分類問題 Classification • 非監督式學習 - 分群問題 Clustering 尋找資料中潛在的族群 怎 麼 訓 練 機 器 問 題 的 種 類 分 類 問 題 的 學 習 方 法 分 群 問 題 的 學 習 方 法
- 13. 不同種問題的學習方法——分類問題 • 決策樹 Decision Trees • 最近鄰居 k-Nearest Neighbors (k-NN) • 支持向量機 Support-Vector Machine (SVM) 怎 麼 訓 練 機 器 問 題 的 種 類 分 類 問 題 的 學 習 方 法 分 群 問 題 的 學 習 方 法
- 17. 不同種問題的學習方法——分類問題 • 最近鄰居 (k-Nearest Neighbors) 怎 麼 訓 練 機 器 問 題 的 種 類 分 類 問 題 的 學 習 方 法 分 群 問 題 的 學 習 方 法 在特徵空間中， k 個最接近的樣本的類別
- 20. 不同種問題的學習方法——分類問題 • 決策樹 • 最近鄰居 • 支持向量機SVM 怎 麼 訓 練 機 器 問 題 的 種 類 分 類 問 題 的 學 習 方 法 分 群 問 題 的 學 習 方 法
- 21. 不同種問題的學習方法——分群問題 • k-平均演算法（k-means clustering） • 主成分分析 （Principal Component Analysis） 怎 麼 訓 練 機 器 問 題 的 種 類 分 類 問 題 的 學 習 方 法 分 群 問 題 的 學 習 方 法
- 23. 不同種問題的學習方法——分群問題 • k-平均演算法（k-means clustering） Step1: 猜測中心點 怎 麼 訓 練 機 器 問 題 的 種 類 分 類 問 題 的 學 習 方 法 分 群 問 題 的 學 習 方 法
- 24. 不同種問題的學習方法——分群問題 • k-平均演算法（k-means clustering） Step2: 依據資料群調整中心點 怎 麼 訓 練 機 器 問 題 的 種 類 分 類 問 題 的 學 習 方 法 分 群 問 題 的 學 習 方 法
- 25. 不同種問題的學習方法——分群問題 • k-平均演算法（k-means clustering） Step3: 根據新中心點，重新分群 怎 麼 訓 練 機 器 問 題 的 種 類 分 類 問 題 的 學 習 方 法 分 群 問 題 的 學 習 方 法
- 29. 不同種問題的學習方法——分群問題 • 主成分分析（Principal Component Analysis） 怎 麼 訓 練 機 器 問 題 的 種 類 分 類 問 題 的 學 習 方 法 分 群 問 題 的 學 習 方 法
- 30. 不同種問題的學習方法——分群問題 • 主成分分析（Principal Component Analysis） 怎 麼 訓 練 機 器 問 題 的 種 類 分 類 問 題 的 學 習 方 法 分 群 問 題 的 學 習 方 法
- 31. 不同種問題的學習方法——分群問題 • 主成分分析（Principal Component Analysis） 怎 麼 訓 練 機 器 問 題 的 種 類 分 類 問 題 的 學 習 方 法 分 群 問 題 的 學 習 方 法
- 32. 不同種問題的學習方法——分群問題 • 主成分分析（Principal Component Analysis） 降低資料維度，取得主要成分， 避免太多冗雜的資料和雜訊影響效能 “ “ 怎 麼 訓 練 機 器 問 題 的 種 類 分 類 問 題 的 學 習 方 法 分 群 問 題 的 學 習 方 法
- 33. 不同種問題的學習方法——分群問題 • k-平均演算法 • 主成分分析 怎 麼 訓 練 機 器 問 題 的 種 類 分 類 問 題 的 學 習 方 法 分 群 問 題 的 學 習 方 法
Editor's Notes
- 2. 主要在解決什麼問題 3 4. 不同問題怎麼學習
- 典型的方法
- 我們天生知道什麼是貓什麼是狗 50張貓狗 什麼是貓？什麼是狗？ 20-30%
- 付現還是刷卡？ 尋找資料中潛在的族群
- 如何學習分類問題 數學國文學習方法不同
- 交友軟體？聯誼軟體？相親軟體？ 有些人有約到 有些人沒有約到 分類問題-->兩類 電腦學習 新的人加入，會不會成功的約到人
- 統計分析、簡化數據集的方法。它利用正交變換來對一系列可能相關的變數的觀測值進行線性變換，從而投影為一系列線性不相關變數的值，這些不相關變數稱為主成分（Principal Components）。具體地，主成分可以看做一個線性方程式，其包含一系列線性係數來指示投影方向。