主編/鄭雅綿 ;校稿/王常在
主編 / 黃柏愷 ; 共同編寫 / 鄭雅綿
目錄一、線性回歸分析簡介二、實作三、結論
一、線性回歸分析簡介
在分類的機器學習模型中,當我們訓練完模型之後會得到一組預測值,但是我們卻無法確認這套訓練完的模型是否足以成熟到讓我們使用,所以這時候就需要有一些成效指標來去客觀的評估製作出來的模型。
當資料欄位數過多時會導致模型效果不佳、運算耗時等問題,因此需要將資料進行降維,找出有代表性的特徵或是透過將多個欄位組合成一個特徵欄位的方式來達成。
☉前言☉歐式距離無法獲得的資訊?☉降維的種類☉流型學習☉t-SNA 演算法步驟☉困惑度 Perplexity☉總結☉實作☉參考資料