1.0Camdemy1.0http://eclass.uch.edu.tw20230605Dhttp://eclass.uch.edu.tw/user/0http://eclass.uch.edu.tw/sysdata/doc/2/2cbe0d550e20f4a6/thumb_l.jpg360640<iframe width='720' height='405' id='ccShare27657' frameborder='0' scrolling='no' src='http://eclass.uch.edu.tw/media/e/27657'></iframe>video72040512:21index 10112-0 資料分類 (classification)0212-1 KNN (K 近鄰) 預測模型0312-1 KNN (K 近鄰) 預測模型0412-1 KNN (K 近鄰) 預測模型05匯入並分割資料集06建立 KNN 模型來預測分類07評估預測結果08評估預測結果09評估預測結果010如何找出最適合的 K 值？01112-2 邏輯斯 (Logistic) 迴歸模型012邏輯斯迴歸 (Logistic Regression)：二分法分類器013邏輯斯迴歸如何分類014訓練邏輯斯迴歸模型並預測資料015訓練邏輯斯迴歸模型並預測資料016評估預測成效01712-3 改善邏輯斯迴歸模型01812-3-0 增加迭代次數01912-3-1 資料標準化 (standardization)02012-4 主成分分析 (PCA)： 減少需分析的變數021特徵值很多的手寫數字圖片資料集022特徵值很多的手寫數字圖片資料集023用線性支援向量機建立預測模型024** after F0753_ch12 (3).pptx025fs1920x1080720x4041280x7201920x1080http://eclass.uch.edu.tw/sysdata/doc/2/2cbe0d550e20f4a6/thumb.jpghttp://eclass.uch.edu.tw/sysdata/doc/2/2cbe0d550e20f4a6/cover.jpghttp://eclass.uch.edu.tw/sysdata/doc/2/2cbe0d550e20f4a6/video/thumbs/storyboard.jpghttp://eclass.uch.edu.tw/sysdata/doc/2/2cbe0d550e20f4a61