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)
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。 👇 筆記第一部分 👇 Basket Analysis 👇 Association Rule 不能被延伸成通則，它只對找到規則的數據有解釋性 👇 除了 item count 外，還有其他因素可以被當作是找 Association Rule 的依據，例如: item pric
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。 下圖有什麼問題呢? 可以發現 age 小的人可以透過高 income 來補足差距，這樣會導致用 k-nearest neighbors 分類時，所計算出來的距離差異會被補齊而導致分類錯誤。請記得在做 k-nearest neighbors 時，一定要將數據標準化!!!
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。 若做出來的AUC結果面積小於0.5，表示比亂猜還糟糕XD。 實際上Likelihood的閥值是怎麼被界定出來的，下回揭曉~