Day 8 - 目前(传统)的机器学习三步骤(3)-训练

第三步 Training : 训练并验证,找出最佳结果

挑选[学习演算法]

• 什麽是演算法(Algorithm) (根据 Wiki 的定义)
  演算法（algorithm），在数学（算学）和电脑科学之中，为任何一系列良定义的具体计算步骤，常用於计算、数据处理和自动推理。作为一个有效方法，演算法被用於计算函式，它包含了一系列定义清晰的指令，并可於有限的时间及空间内清楚的表述出来。
  演算法中的指令描述的是一个计算，当其执行时能从一个初始状态和初始输入（可能爲空）开始，经过一系列有限而清晰定义的状态最终产生输出并停止於一个终态。一个状态到另一个状态的转移不一定是确定的。包括随机化演算法在内的一些演算法，都包含了一些随机输入。

Example 1 : 应对灯泡不亮的演算法

Example 2 : I-Nearest Neighbor Classifier (以最邻近单位决定其分类)

Example 3 : K-Nearest Neighbor (kNN) Classifier (以下例子是以最近3个邻近单位决定其分类, 至於多少邻近单位由参数调整(k 值),这是模型评估之一)

学习演算法(模型)评估 Model Evaluation

• 如何量测好坏 Performance Measures
  • How predictive is the model we learned?
  • Natural performance measure for classifification problems: Accuracy
  • Success: instance’s class is predicted correctly
  • Error: instance’s class is predicted incorrectly
  • Accuracy: proportion of successes made over the whole set of instances

收集的数据可以拿来做训练及测试使用

• 分二部分: Training/Testing Data Set
  
• Ensures that each class is represented with approximately equal proportions in both subsets
• (确保数据划分时，不同类别的比例大致相同)
  

注:本文是搜寻数个网站及各种不同来源之结果,着重在学习,有些内容已难办别出处,我会尽可能列入出处,若有疏忽或出处不可考,请联络我, 我会列入, 尚请见谅。