機器學習 (19)
多階段連續製程預測
最後更新:
作品集, 資料科學, 機器學習, 監督式學習
一個多階段連續製程的工廠產線資料集，本實驗透過原料數據與機台參數預測產品輸出規格。
主成分分析 (Principal Component Analysis, PCA)
最後更新:
數學, 資料科學, 機器學習, 非監督式學習
主成分分析 (Principal Component Analysis, PCA) 是多變量分析中的經典方法，是一種基於正交轉換 (orthogonal transformation) 的技術，在盡可能保留資料特徵的前提下降低維度，常用於資料視覺化與處理共線性問題。
蘋果品質二元分類機器學習
最後更新:
資料科學, 機器學習, 作品集, 監督式學習, R 語言
來自 kaggle 上的蘋果品質資料集，資料集簡單易理解，適合作為類別型變數練習用的資料集。
客戶個性建模與評估
最後更新:
數學, 資料科學, 機器學習, 作品集, 合作作品, R 語言
本研究將對客戶個性進行建模，處理財務資料中常見的高共線性與異常值問題，引入穩健性羅吉斯回歸分析，預測客戶是否會參與活動。根據預測目標資料的不平衡，放棄了常用的準確率指標，開發基於利潤的模型評估指標，以達到利潤最大化做為模型選擇。最後根據變數的主成分選擇，並分析與探討該項活動背後市場的定位以及找出潛在客戶的特徵。
Labeled Latent Dirichlet Allocation (LLDA)
最後更新:
數學, 資料科學, 機器學習, 文字探勘, 監督式學習, Latent Dirichlet Allocation (LDA)
Latent Dirichlet Allocation (LDA) 的後續模型，一種可以用於文本的監督式機器學習模型。
邏輯回歸羅吉斯迴歸分析 (Logistic Regression)
最後更新:
數學, 資料科學, 機器學習, 監督式學習
一種廣義線性模型，能用於預測類別型變數
Latent Dirichlet Allocation (LDA) 理論
最後更新:
數學, 資料科學, 機器學習, 文字探勘, 非監督式學習, Latent Dirichlet Allocation (LDA)
透過層次結構來執行自然語言處理 (Natural Language Processing)，介紹 Latent Dirichlet Allocation。
Latent Dirichlet Allocation (LDA) 應用
最後更新:
數學, 資料科學, 機器學習, 文字探勘, 非監督式學習, Latent Dirichlet Allocation (LDA)
LDA 操作、模型比較與 R 語言程式範例。
Latent Semantic Analysis
最後更新:
數學, 資料科學, 機器學習, 文字探勘, 非監督式學習
透過層次結構來執行自然語言處理 (Natural Language Processing)，介紹 LSA 與 pLSA。
分類與回歸樹 (Classification and Regression Tree, CART)
最後更新:
數學, 資料科學, 機器學習, 監督式學習
一種基決策樹的方法，用於預測分類變量，也可用於非線性預測。