On the way to a data scientist

【Bayesian Inference 貝氏統計 — 02】貝氏統計的基本介紹 － 下 — Prior distribution 和 Bayes rule

【Bayesian Inference 貝式統計 — 01】貝式統計的基本知識介紹 － 上

Decision function、risk function 和minimax rule

【統計 — 2】點估計、抽樣分佈、信賴區間和假設檢定

首先，先來看一題是非題：

【統計 — 1】抽樣和中央極限定理

在統計的文章中，我們會複習統計的基礎概念，包含常見的名詞和定理。

母體和樣本

首先，讓我們先認識一些和統計推論有關的名詞：

和母體（Population）有關的

母體（Population）

• 我們有興趣的個體或觀察值的集合
• 通常用大寫的 N 來表示總數

【機器學習 09】Aggregation Models — Part 3— Adaptive Boosting、Gradient Boosting

在 Part 1中，我們介紹兩種 aggregation 方法：

1. 在得到 gₜ 之後才做 aggregation，不會修改原本模型，只是藉由不同的模型選擇、結合方式，以決定最終結果。
   其中依照結合方式的不同，可分為 uniform blending、linear blending 和 non-linear blending。

【機器學習 08】Aggregation Models — Part 2 — Decision Tree 和 Random Forest

Decision tree

Decision tree 是一種很基礎的演算法，基本邏輯是直接依照資料特性切分，建立子樹，並持續切割。

DecisionTree(Dc):

if termination criteria met…

【機器學習 07】Aggregation Models — Part 1 — Blending, Bootstrap aggregation, Boosting

此系列文章是參考自林軒田老師的機器學習基石與技法之課程筆記。

在我們認識許多不同模型後，是否有方法能夠混合這些模型，得到更好的表現呢？有的，就是本篇和下篇文章要介紹的 aggregation models。

【機器學習 06】Support Vector Machine — Part 2— Kernel Support Vector Machine & Soft-Margin Support Vector Machine

【機器學習 05】Support Vector Machine — Part 1 — Linear Support Vector Machine & Dual Support Vector Machine