SML/Lesson 8: 淺度機器學習：分類器的原理與評比實驗

Multinomial Logistic Regression 與 Support Vector Machine

兩篇關於 SVM 淺顯易懂的文章：SVM 支援向量機演算法-原理篇 、實戰篇

專題：
本專題計畫執行這篇講義描述的分類器比較，即採用三種分類器分別對三組資料進行分類學習與測試。其中分類器包括：

1. 多元羅吉斯回歸

2. 支援向量機

3. 神經網路

三組資料包括：

1. 來自 3 個產區，178 瓶葡萄酒，含 13 種葡萄酒成分。

2. 來自 AT&T 10 個人的人臉影像共 400 張，每張大小 64×64。

3. 來自 Yale Face 38 人的人臉影像共 2410 張，每張大小 192×168

注意事項：

• 以每組資料為比較的中心，資料分「原始資料」與「主成分資料」兩種（成分比例自己決定，譬如 proportion=0.8）。分別由三種分類器進行訓練與測試，其中分類器的參數自己決定（找出表現最好的）。

• 不論「原始資料」或「主成分資料」，都必須分割出訓練與測試資料，比例自行決定。三個分類器的訓練與測試都必須使用相同的資料，才算是公平的比較。

• 進行完一組資料後，必須就兩種資料型態與三個分類器的表現，發表你的觀察。

• 為了讓老師方便觀看各位的專題報告，請務必利用 markdown 寫好題目與順序、執行 code，並留下結果，接著評論結果。為了不讓內容過長，建議依資料不同區分為三個檔案。雖然這樣的程式寫作方式並不理想（重複程式碼三次），但是方便老師不必執行程式便能看到所有的結果。

  Share this:

  • Twitter
  • Facebook

  Like this:

  Like Loading...