共 10 講
M03.01
機器學習是什麼：讓機器自己從資料中學規則
不用寫規則，讓資料說話 — 這就是機器學習的核心精神
M03.02
監督式學習：有老師教的學習方式
給AI正確答案當範例，它就能學會舉一反三
M03.03
非監督式學習：沒有老師，自己找規律
不告訴AI答案，讓它自己發現資料裡的隱藏結構
M03.04
分類 vs 迴歸：預測類別還是預測數字
分類回答是非題，迴歸回答填空題 — 搞混了模型就白訓練了
M03.05
常見演算法：決策樹、隨機森林、SVM、KNN
四大經典演算法各有絕招，選對武器才能打對仗
M03.06
模型訓練流程：從資料切割到模型驗證
訓練集、驗證集、測試集 — 三刀切下去，模型才不會自欺欺人
M03.07
過擬合與欠擬合：模型的兩大死因
背考古題的學生和完全沒讀書的學生 — 都考不好
M03.08
模型評估指標：準確率、精確率、召回率、F1、AUC
準確率 99% 的模型可能是垃圾 — 如果 99% 的資料本來就是同一類
M03.09
混淆矩陣：看透模型錯在哪裡
TP、FP、FN、TN — 四個格子告訴你模型的強項和弱點
M03.10
模型選擇與調參：沒有最好的模型，只有最適合的
No Free Lunch — 沒有一個模型能贏所有比賽