---
title: Lab Meeting Minutes 2024/03/01
tags: lab_meeting
---
> Outline
> [TOC]
---
# PERAL Lab Meeting
- 時間：113 年 3 月 1 日 20:00
- 地點：線上
- 線上會議連結 : [Online](https://meet.google.com/zfi-zmnc-qfw)
- 出席者：吳坤熹老師、謝萬霖、劉怡君(請假)、田蕙瑜(請假)、沈家正、梁宇騰、劉冠伶(請假)、繆亭霄、蘇翊荃、陳嘉璐、陳品妤、陳姿綾、陳姿澖

- 會議主題：[Machine Learning Algorithms - A Review](https://docs.google.com/presentation/d/1DSgf2abOpOgBIweZlsuVJ5a0LcBE5NlEVslxwTlbJKQ/edit?usp=sharing)
- 主講者: 陳姿綾
- 主記: 繆亭霄

## 會議內容
1. Introduction

2. Why use Machine Learning

3. Machine Learning type

4. Perceptron

5. Pocket Algorithm

6. SVM

7. Decision Tree

8. Unsupervised - Kmeans

9. Summary

---

### 建議&問題
1. [name=Louise] P.7 Test data 怎麼防止 overfitting?
Ans: [name=] 投影片表達得不清楚，應該是檢查有沒有 overfitting，讓你可以決定後續的處理
2. [name=Louise] P.12 右邊圖片中右上角的 legend 的數字變動代表什麼?
Ans: 若是當前 pocket 中的錯誤點大於新找到的 decision boundary 則更新 pocket，下面兩張圖是已經更新過的
3. [name=Yukino] P.10 ignored 代表什麼?
Ans: 如果真的出現 score=T 的情況就不更新權重
4. [name=Yukino] P.7 Test data 能偵測到所有的 overfitting 嗎?
Ans: 具體要看資料(?
5. [name=Ellie] 還是不太懂 test data 的意義
Ans: 類似考試題目，讓機器訓練後測試看看成果如何，考試題目不能出現在訓練資料中
6. [name=Ellie] P.8 如果不是 binary class 而是 multi class 怎麼辦?
Ans: 可以用多個 perceptron
7. [name=Ryan] P.16 看不太懂數字怎麼計算的
Ans: 是用 gini impurity 計算每個 node 的亂度，以此決定用什麼條件當成 node
8. [name=Miller] P.16 Decision Tree 具體可以做什麼?
Ans: 分類
9. [name=Miller] P.16 怎麼確定 Decision Tree 是準確的?
Ans: 看 Confusion Matrix
10. [name=Cooper] 怎麼決定機器學習的特徵?
Ans: 以自己目前的研究，就是把手上有的資料都當成特徵，再慢慢調整，看刪除哪些特徵會好一些
11. [name=August] P.10 Perceptron 只會做一個 epoch 嗎?
Ans: 會做好幾個
12. [name=August] SVM 怎麼處理多分類問題?
Ans: 這部分還要查一下
13. [name=Edgar] P.12 pocket algorithm 怎麼判斷找不到更好的線?
Ans: 會有一個 maximum iteration value
14. [name=Edgar] P.14 怎麼選擇使用哪種 kernel function?
Ans: RBF 比較適用在資料成球型分布
15. [name=Edgar] P.16 Decision Tree 怎麼決定特徵中連續值的分割點?
Ans: 還要查一下資料
16. [name=Edgar] 每個 node 的條件是人為還是機器自己決定?
Ans: 機器會根據餵進去的特徵決定

## 待追蹤事項
1. [name=]

## 臨時動議
1. 還沒給下一輪題目的請在下週前給
2. 實驗室會議時間投票，由 Ashley 負責

---
散會結束時間： 21:26