[ML] 機器學習初學觀念summary

這篇整理分析流程.特徵工程.演算法選擇.常見問題

[ML] 機器學習初學觀念 - XGBoost

Kaggle解題神器, GDBoost進階版, 

因為常被拿來使用而且效果好所以獨立一篇說明

[ML] 機器學習初學觀念 - Ensemble Learning

將多個訓練model合併, 投票或平均找出結果, 通常會比只有一個model效果較好, 可以使用bagging, boosting, stacking等方式

[ML] 機器學習初學觀念-Decision Tree

常用於資料分類問題, 也可以進行regression, 雖然決策樹很容易理解, 但高維度或複雜的資料的結果並非準確, 後續有很多改良的決策樹出現可以使用, 例如隨機森林......等等

[ML] 機器學習初學觀念-SVM

支援向量機是個強大的演算法, 可以進行分類與回歸的問題, 可於scikit-learn中選擇SVC or SVR進行實作

[ML] 機器學習初學觀念-Regression

Regression

預測數值型問題可以使用的模型

[Python] 正規表達式範例

正規表達式範例

[Python] Generator 迭代產生器

Generator 迭代產生器