在 Part 1中,我們介紹兩種 aggregation 方法:
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…
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。
在上篇我們介紹了 nonlinear transformation、overfitting 和 validation,在本篇文章中讓我們一起來認識…
前一篇在討論 linear regression,但是此方法的問題是,如果加入 outliers,原本的 linear regression 為了降低 error,會需要調整位置,反而不能正確分出原本正確的類別。
在本篇文章中,我們會提到如何幫助機器學得更好的一些技巧,分別為·:
本章來介紹機器學習中常見的算法:線性回歸(Linear Regression)。