線性回歸
含有「線性回歸」共 7 篇內容
全部內容
發佈日期由新至舊
在生成式 AI 風潮下，許多人忽略了 AI 世界真正的「老將」。本篇《神機營 AI 實戰》透過武俠江湖故事，帶你理解傳統機器學習的核心演算法：線性回歸、邏輯回歸、SVM、決策樹、隨機森林與 Boosting。這些技術不僅是資料分析與商業預測的基礎，更是理解 AI 運作的重要關鍵。
本文為 iPAS AI 應用規劃師考試提供重點複習，概述了 K-means、布林型、標準差、決策樹、DBSCAN、線性回歸等基礎概念，並介紹了皮爾森積差相關、主成分分析、隨機森林等進階模型，以及擴散模型和 AR 模型在時序預測與圖像生成的應用，最後強調 AI 價值在組織中的擴散。
本文探討如何利用政府提供的YouBike開放數據進行數據分析，以揭示共享單車系統的使用趨勢。作者使用Google Apps Script分析不同時間點的YouBike使用率，並通過線性回歸預測供需平衡，以及針對特定站點的使用模式進行深入挖掘。最後總結了公館不同出口的使用情況，提供了最佳的租借選擇。
線性回歸 (Linear Regression) 旨在找到一條最適合所有資料點的線。本文參考 StatQuest with Josh Starmer的影片內容，以簡單有趣的方式介紹線性回歸的基本概念和計算過程，還有最小平方法 (Least Squares) 的應用。
本教學從 網路爬蟲 至 機器學習基礎 到 TensorFlow深度學習框架。
網路爬蟲
Beautiful Soup
安裝beautifulsoup4，用來分析html資料
安裝requests套件，將html資料抓回來顯示
lxml ，用於解析和編輯 XML 和 HTML 文檔
html5lib
研究所時某位教授開了門叫＜因果推論＞的量化課程，吸引了為數眾多的學生參與，沒想到，大家都是來學算命的．．．
