---
title: 機器學習1 12/16

tags: 機器學習
---

Elwing 周凡剛
[e-mail]
fb: Fan-Gang Chou

共筆：
* [機器學習 - 12/16共筆 - Google 文件](https://docs.google.com/document/d/1bz5RBxq8FPoQkzA5Yr-0XMUcA_USesql9oyTFwTrTBA/edit#heading=h.581xx291vjkv)

---

## 機器學習 深度學習 ->統計

機器學習：表格 固定欄位 傳統統計 比較難
深度學習：抽象型 圖片 聲音 文字 模仿人類-> 神經網路

本地端:2018/3月 pycharm 版本 才能開jupyter notebook
線上環境：colab

安裝python 3.7 安裝tensorflow 2.0.0
安裝python 3.8 就安裝最新的
import tenserflow.keras.xxx
（原import keras.xxx)


資料 遠比演算法還重要
分析的方式->演算法
透過演算法學習後-> 創造 模型

有資料 跟演算法 能做模型

資料分成兩部分：
* 訓練資料
* 測試資料

人判斷時：
* 邏輯
* 經驗

---

| input | output |
| ----- | ---------------------------- |
| | 選擇題（分類）classification |
| | 計算題（迴歸）regression |
| | 無答案之選擇題：比相似度（分群）cluster|

有給答案的訓練 會比較好 有標註答案 準確度比較好
分類會比較好

# 分類

pycharm安裝 scikit-learn
colab都內建有了

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

numpy :1.19.4

## csv （comma-separated values)
用逗號分隔
姓名,身高 \n
Elwing, 175\n
"Elwing, Mr.Chou",180 \n

* [pandas.DataFrame.to_csv — pandas 1.1.5 documentation](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.to_csv.html)

機器學習ＭＬ：千到萬的資料合適
深度學習DL:萬到十萬的資料合適

----
# classification 分類
## 150種 3種分類 鳶尾花

axis= 0 drop列
axis= 1 drop行


input=x
output=y

model_selection 驗證模型
train_test_split 訓練資料
訓練跟測試模型的比例 -> 9:1/8:2

## 決策樹： 可解釋性

決策點 ex:petal width
決策原因 gini
有多少筆資料 samples
value 有三種 各有多少個
class 三種最多的是什麼

gini 信心程度 猜錯機率

取log 乘除變加減
取log 聲音 強度 分貝 log

---
過擬合
過度訓練 訓練100%->測試bad

後剪: sklearn 不支持
前剪：


* [sklearn.tree.DecisionTreeClassifier — scikit-learn 0.23.2 documentation](https://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeClassifier.html?highlight=sklearn%20tree%20decisiontree)

---

imagenet
分類比賽

---
## regression 迴歸

決策點
MSE (mean squared error)->分布半徑 回歸版的吉尼係數 （預測減正確的平方）
samples
value

MAE
RMSE
用來比較 不推薦

r2 score＝ 1- b/a 比較
## regression
LSTAT: 決策點
mse: (mean squared error)
$\frac{1}{n}\sum_{i=1}^n (p_i-平均值)^2 \quad$
samples: 樣本數
value: 樣本平均數
gini=0 ~> mse=0

---

度量
MSE:$\frac{1}{n}\sum_{i=1}^n (pre_i-正確_i)^2 \quad$

MAE:$\frac{1}{n}\sum_{i=1}^n |pre_i-正確_i| \quad$

RMSE:$\sqrt{MSE} \quad$

----

RM 房間個數
左邊 便宜 ->在意環境 學區
右邊 貴 ->在意坪數 空氣