預測性分析：分類 / Prediction Analysis: Classification
這是我在2020年「大數據基本演算」系列課程中教授的「預測性分析：分類」課程內容。以下是投影片跟相關教材的整理，供有需要的朋友參考。
投影片 / Slide
https://docs.google.com/presentation/d/1P7gjOH0FPJgRsY2HhM0-9R03JWNWvs7S6fZ620gNIcg/edit?usp=sharing
- Google簡報線上檢視
- PDF格式下載
- Power Point (.pptx) 格式備份：Google Drive、SlideShare、GitHub、One Drive、Mega、Box、MediaFire、pCloud、Degoo、4shared
投影片大綱 / Outline
本次投影片包含了以下主題：
- 分類：建立模型
- 分類：預測未知資料
- 學習單作業的說明
課程目標如下：
- 能夠建立分類預測模型，並建立可解釋的分類規則。
- 能夠使用預測模型來預測未來才會發生的未知案例。
相關教材 / Materials
本次投影片會用到的教材如下：
學習單 / Learning sheet
https://docs.google.com/document/d/1LThaquOHVsXwVxGVN8WxDxnron-afOoj_ioGz4ekSrE/edit?usp=sharing
- Google文件線上檢視
- PDF格式下載
- OpenDocument Text (.odt) 格式備份：Google Drive、GitHub、One Drive、Mega、Box、MediaFire、pCloud、Degoo、4shared
學習單會用到的資料集如下：
小結 / In closing
我最早接觸機器學習的時候，大家普遍都比較重視的是模型預測正確率。另一方面，要如何使用建立好的模型，反而比較少人重視。於是我的教學裡大多都會有對於「未知資料」的預測，這也是我認為機器學習作為輔助分析上最重要的用途。
實際教學的時候，沒有正確答案的「未知資料」卻常常造成同學無所適從，不知道如何是好。我只能說，真實社會裡面大多時候面對的都是「未知資料」，要如何讓「未知資料」賦予「正確的答案」，則是我們每個人努力學習的目標。
大家加油吧。
最後要來問的是：你對於分類中那個主題比較感興趣呢？
- 1. Weka的操作。
- 2. 分類模型的建立。
- 3. 分類模型的使用。
- 4. 分類模型的解釋。
- 5. 其他。
歡迎在下面留言處說說你的看法喔！
