--課程已於 2020 年 7 月更新--

這個課程是關於整合方法 (Ensemble Methods)。

我們已經學習了一些經典的機器學習模型，如 k-nearest neighbor 和決策樹。 我們已經研究了他們的局限和缺點。

但是，如果我們可以結合這些模型來消除這些限制，並產生更強大的分類器或迴歸器呢？

在本課程中，你將學習如何將決策樹和邏輯迴歸等模型相結合，以建立可以達到比基礎模型更高的精度的模型。

具體來說，我們將詳細研究隨機森林和 AdaBoost 演算法。

為了激勵我們的討論，我們將學習統計學習中一個重要的話題 – 偏差 – 變異權衡 ( bias-variance trade-off )。然後，我們將研究 bootstrap 技術和 bagging 作為同時減少偏差和變異的方法。

我們將做大量的實驗，並在真實的資料集上使用這些演算法，這樣你就可以親眼看到它們是多麼的強大。

https://softnshare.com/machine-learning-in-python-random-forest-adaboost/

#純靠北工程師2lr
我在跟你討論的Bootstrap，是統計學上的Bootstrap

結果你居然以為是響應式網頁的Bootstrap

跟你說了Bagging你還一臉茫然，看樣子是真的不知道，而不是誤會

你要知道你來面試的是AI工程師，不是前端工程師！！

現在AI工程師被稱為難民工程師，就是一堆你們這些本質學能太爛的前端工程師害的，能夠畫圖表就自以為是Data scientist了嗎？

D3.js看著文件做，每個真的有本質學能的工程師，都能畫出漂亮圖表，你是在自滿什麼啦？

吼氣氣氣氣氣氣，看到這些到處流竄的劣幣，讓我們這些真的下過紮實苦工、真的有本質學能的工程師很生氣。

業界的行情就是被你們這些人破壞掉的。

ps. 為了避免離題去戰轉職者，我要表達的是本質學能的重要性。

我就遇過一個台大雜牌科系的，很認真鑽研學理和技術，也成為頂級強者。

現在轉職者最大的問題就是不努力，寫了一個複製貼上的程式，就到處要飯，真的讓人受不了。
👉 去 GitHub 給我們🌟用行動支持純靠北工程師 https://github.com/init-engineer/init.engineer
📢 匿名發文請至 https://kaobei.engineer/cards/create
🥙 全平台留言 https://kaobei.engineer/cards/show/3375

這個課程是關於整合方法 (Ensemble Methods)。

已經學習了一些經典的機器學習模型，如 k-nearest neighbor 和決策樹。 也研究了他們的局限和缺點。

但是，如果可以結合這些模型來消除這些限制，並產生更強大的分類器或迴歸器呢？

在本課程中，你將學習如何將決策樹和邏輯迴歸等模型相結合，以建立可以達到比基礎模型更高的精度的模型。

具體來說，課程將詳細研究隨機森林和 AdaBoost 演算法。

為了激勵討論，課程將學習統計學習中一個重要的話題 – 偏差 – 變異權衡 ( bias-variance trade-off )。然後，我們將研究 bootstrap 技術和 bagging 作為同時減少偏差和變異的方法。

將會做大量的實驗，並在真實的資料集上使用這些演算法，這樣你就可以親眼看到它們是多麼的強大。

由於深度學習如此受歡迎，課程也會研究隨機森林、AdaBoost 和深度學習神經網路之間的一些有趣的共同點。

這個課程的材料都是免費的。你可以使用 Windows、Linux 或 Mac 上的簡單命令下載並安裝 Python、Numpy 和 Scipy。

https://softnshare.com/…/ensemble-machine-learning-python-…/