1.preliminaries
要如何选定特徵与要做甚麽样的分类
step1:要先定做怎样的分类
step2:给定资料特徵 --> 自动分类(先'教'电脑之後才测试准确度)
step3:电脑的学习方式(如:提供正确答案的资料-->supervised learning)
step4:在使用不是训练资料来测试学习效果
2.General approach to solving a classification problem
列举资料型态 --> 训练资料 --> 分类演算法 --> 使用测试资料来训练模型
使用以下的分类方式来测试
Rule-based Methods
Nearest-Neighbor classifiers
Bayesian Classifiers
3.Decision tree induction
使用训练资料的分支条件作为依据,相异性越大越好
如:Hunt’s Algorithm
使用以下的评估方式来观察模型训练效果
Evaluation
Confusion matrix
Accuracy
Error Rate
常见的演算法:
Greedy strategy:是一种在每一步选择中都采取在当前状态下最好或最佳,而希望导致结果是最好或最佳的演算法。如:Travelling salesman problem
<<: 【Side Project】 (老板)订单清单UX功能实作
>>: [Android Studio 30天自我挑战] ScrollView元件介绍
自我学习过程 5年前透过学校老师的介绍,重新再次认识及了解Odoo,印象中那时 Open ERP 己...
前述 今天来用 canvas 做一个 手机解锁的模拟功能~ onTouchStart={handle...
今日文章目录 > - 视差背景 > - 事前准备 > - CSS 说明 >...
用 Google 文件把 API 规格描述出来,协作上比较方便,之後专案文件要列印装订成册交付,再...
今天就来使用TIUP布建TIDB看看吧,因为我环境会如同之前一样使用GCP,所以今天也一样会透过te...