本文章純粹用來記錄當學期修課時所做的一些上課筆記，因為打成文字太費時間，所以只放上筆記的圖片。
- 👇 本次筆記只有1張，老師小遲到XD
前半段接續上次的貝氏定理，貝氏定理得出的機率結果可以做為事件發生可能性的排序依據，但不能說它就是真實的事件發生機率，因為證據未必是彼此獨立而不交互影響。
要訣: Sensitivity (TP) 可以想成是有病而真的有病，Specificity (TN) 可以想成是沒病被檢測出沒病。
- 👇 Representing and mining text 文本分析
後半段的課程介紹的是文本分析跟通識課教過的NLP自然語言處理很有關係。
文本自身是非結構化的資料，要先轉換成結構化資料才能作分析。
- 👇 Terminology 文本分析的術語
Document: 單一文本、Corpus: 一堆文本所成集合
- 👇 其中一種文字結構化轉換方法: Bag of words
忽略文法、字詞排序的規則等，每個字都被視為潛在的"重要"關鍵字，主要是利用字詞在文本內的出現次數(count/per word)進行後續的文字結構化編碼。
- 👇 統計字詞在文本中的出現次數
下面的統計次數可以發現有忽略 stop words、時式變化。
