本文會利用sklearn引入breast_cancer datasets來訓練，在處理數據的部份，特徵工程用兩種方式去做處理，分別是特徵選取與特徵萃取的方式去做比較。
特徵選取的方法中，使用了KNN 分類器來選出最重要的兩個特徵
特徵萃取的方法中，使用了PCA降維

職場

學習

投資理財

軟體開發

[機器學習]特徵選取vs特徵萃取，應用breast_cancer資料庫比較其差異

streamlit與github連動程式庫，呈現即時預測手寫英文字母

整理了一下，先前學的機器學習利用Colab來訓練出能辨識手寫A~Z英文字母的模型，使用的模型是CNN(Convolutional Neural Network，CNN）模型
訓練好的模型，當然是要拿來應用，成果呈現

[機器學習]CNN學習MNIST 手寫英文字母資料，用網頁展現成果_模型訓練篇

前言

上一篇討論到如何訓練出模型，此篇將說明Streamlit建立的簡單Web應用程式的解說

Streamlit網頁App_貓狗辨識 連結

程式碼Github連結

[機器學習]CNN學習MNIST 手寫英文字母資料，用網頁展現成果_模型訓練篇

如何連動github與stramlit可以參考

[機器學習]CNN學習MNIST 手寫英文字母資料，用網頁展現成果_Streamlit Web應用程式篇

Sequential Feature Selection(SFS)

用中文來解釋為，逐一特徵選取訓練，找出最重要的特徵，以提高模型的性能和效率

SFS 的一些用途包括：

維度縮減： 在高維度數據中，許多特徵可能是多餘或不重要的，使用 SFS 可以找到最能代表數據的特徵，從而減少計算和記憶體需求

[機器學習]特徵工程_特徵選取_SFS

AI機器學習相關學習到的知識彙整

Python程式設計師，不是在學習就是在學習的路上

螃蟹_crab的沙龍

AI機器學習心得筆記

目前尚無內容