人脸辨识-day24 模型预测

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