- 機器學習模型的簡介
藉由白話簡潔的圖文敘述,介紹機器學習的基礎概念與演算法,且建立正確的應用概念。
-
直方圖的分箱方法
介紹 6 種常見的分箱數計算方法,且探討每種方法的適用情境。 -
核密度估計 KDE
介紹核密度估計的概念,與說明其實作的細節。 -
常態性與同質性檢定
介紹常見的檢定方法,且探討不同檢定方法的適用性差異。 -
關聯性與相關性
介紹關聯性與相關性的統計評估指標,且探討其適用情境。 -
特徵縮放 Feature Scaling
介紹特徵縮放的常見方法,且說明其對於機器學習演算法的必要性。
-
判定係數 R-Squared 的解讀
彙整判定係數的概念與常見的誤解。 👈 -
機器學習模型指標的關係
在迴歸問題中,模型的解釋能力指標 R2 與預測能力指標 MAE、RMSE 的關係。