機器學習模型 解釋

01 線性迴歸. 線性迴歸可能是統計學和機器學習中最知名和最易理解的演算法之一。 由於預測建模主要關注最小化模型的誤差，或者以可解釋性為代價來做出最準確的預測。

機器學習模型是一種已定型的檔案，可辨識特定類型的模式。 您可以使用一組資料訓練模型；提供演算法，以便模型用於推理這些資料，並從中學習。

監督學習、無監督學習、強化學習-基本的機器學習算法：線性回歸、支持向量機、最近鄰居、邏輯回歸、決策樹、k平均、隨機森林、樸素貝葉斯、降維、梯度增強 ...

參數數目; 特徵數目. 精確度. 機器學習正確性是以整體案例中結果為真的比例，來衡量模型的效能。

收集資料(Gathering data) · 準備數據(Preparing that data) · 選擇模型(Choosing a model) · 訓練機器(Training) · 評估分析...