11-1 劉少奇的人物評價
(XGboost混淆矩陣)
機器學習是指一種透過程式設計的演算法，它必須配合電腦程式，因為計算量很大，通常要不斷遞廻計算，無法人工進行。它涉及的數學理論很多，有機率論、統計學、逼近論、計算複雜性計算等多門學科。這邊所說的「學習」(learning)是指給定機器大量資料，由演算法從這些資料中尋找律則，檢視律則的正確性，再利用這些律則對未知資料進行預測。亦即利用己知資料進行訓練，建立模型，將模型套用到未和的預測上。演算法計算的流程通常很複雜，不是程式初學者可以勝任，所幸這些演算法基本上都已寫成模組，我們可以直接叫出使用。
由於人工知智慧( AI) 的技術日漸成熟，各種機器學習的演算法推陳出新，其應用也愈來愈普遍。以目前最熱門的電動車特斯（Tesla），創辦人馬斯克（Elon Musk）說，未來每位車主都會是Model S的「專業教練」。意思是，車主使用Model S的駕駛習慣，都會存電腦系統之中，成為訓練的資料，讓Model S一天比一天進步，成為更聰明的自動駕駛車輛。車主可能不會立即感受到Model S的變化，但經過一段時間，就能發現Model S比以前變得更「聰明」了。特斯拉的AI透過從全球各地車主所蒐集來的巨量數據進行訓練、推論，最終才得以達成足以應付日常生活中自動駕駛這項需求。
機器學習大致可以分成兩種：監督式學習與非監督式學習。監督學習：給定的訓練資料，必須有標記(labelling)，代表這筆資料的特性，例如好壞、對錯、程度等級，或各種不同的分類。演算法會學習出一個函數，當新的資料到來時，可以根據資料的屬性，預測這筆資的類別。非監督學習則利用無標註的訓練資料，讓模型自我學習， 依據資料的性質，自行分類，也有結合這兩種模式的半監督式學習、增強學習等，演算法的發展極為快速而複雜。
本章學習包使用的分類的技巧，屬於監督式學習。首先我們以人工方式，標記每筆資料的正、負兩個類別，共一千則，作為我們的訓練集。將資料分為訓練組與測試組，前者用來訓練模式，後者用來檢驗模型的準確率。最後再應用到目標文本，預測其正負傾向。值得注意的是演算法有許多種，我們用了十種演算法：”Nearest Neighbors”, “Linear SVM”, “RBF SVM”, “Gaussian Process”, “Decision Tree”, “Random Forest”, “Neural Net”, “AdaBoost”,”Naive Bayes”, “QDA”，並比較其優劣。
好，現在請大家進入本章的學習包。