---
title: 機器學習-線上-1

tags: 機器學習
---

GPT: OPAN AI
輸入
輸出
* [Write With Transformer](https://transformer.huggingface.co/)

BRT GOOGLE

----
cotlab柴犬模式設定：
工具->設定->其他->柯基模式

Github如果沒有顯示程式碼 可以把網址複製到下面
* [nbview](https://dfm.io/nbview/?url)

---

分類回歸
分群

有給答案學的比較好
可以做分類就做分類

大量資料

* [7. Dataset loading utilities — scikit-learn 0.23.2 documentation](https://scikit-learn.org/stable/datasets/index.html)

小括號內可以換行
ANSI 以前常用編碼 現在都用utf-8
用csv 之後給別人比較方便

* [IO tools (text, CSV, HDF5, …) — pandas 1.1.5 documentation](https://pandas.pydata.org/docs/user_guide/io.html)

* [sklearn.tree.export_graphviz — scikit-learn 0.23.2 documentation](https://scikit-learn.org/stable/modules/generated/sklearn.tree.export_graphviz.html)

decision tree 決策樹
gini 總共出錯的機率 會越來越小

不能用train 去測試 沒有意義

訓練資料訓練得太完美 可能現實資料會出錯 雜質可能會導致錯誤 過度訓練

---
機器學習：分類 分群
你要做的問題是有答案還是沒答案
分群的好處：不知道廣告投給誰 可以分群 分男生跟女生 分群

分群：沒有標準答案 類似相似
分類：紅的綠得分一類 有labal有答案 看到特徵

分類 iris
dataset 有label
用機器學習做分類
在不知道答案下 做出分類
這樣模型就是有用

鳶尾花 三種 a b c
五個欄位
解決分類的問題
花型 花托的長寬 花萼長寬

第一種方法：決策樹
資料及做分類 有答案 利用特徵作分類 分類結果跟答案越像越好

特徵明顯
兩個指標：gini , entropy
指標在看什麼 適用情況 數值範圍 數值範圍代表的意義 數學原理
gini:
entropy:

計算 混亂的程度->亂度
分類：混亂程度變小

指標：混亂程度 分類前的混亂程度
分類後的程度 前後相減 就是 用這個特徵分類的效益
100->0 用可愛跟不可愛 這個特徵作分類 混亂100～0
用身高分類

想要分出三類花
四種特徵：花瓣長度 花瓣寬度 花萼長度 花萼寬度
依照最明顯的做分類
有答案的資料集
還沒分類前 指標：混亂程度100分

用花瓣的長度來做分類 混亂程度30分->花瓣的長度 提供的效益是70分（下降了70分）
用花瓣的寬度來做分類 混亂程度50分->花瓣的長度 提供的效益是50分（下降了50分）

提供分類效益最大：分類前 跟分類後的混亂程度相減

什麼時候分類完 （停止條件
所有的情況都分類完
我規定他只能分幾次
你分出來的某一類 不能太少

gini:提供的效益