用 Python 練習實作深度學習，主要包含 Tensorflow 以及 SVM，著重於實作範例，未深入涉及各 DL 演算法模型原理及其數學。 大綱 [Development] Deep Learning over Python 深度學習基於 Python 1/3 Basic Tools: 基於 python- numpy, matplotlib, scipy, Pandas [Development] Deep Learning over Python 深度學習基於 Python 2/3 Keras (基於 Tensorflow) Tensorflow [Development] Deep Learning over Python 深度學習基於 Python 3/3 Support Vector Machine (SVM) 萬用分類機 Reinforcement Learning (RL) 強化學習 Reference: 本篇基於 Udemy 課程 "吳佳諺- Python 深度學習" 為架構出發衍生，其他引用資料個別在段落中標示 Support Vector Machine (SVM) 萬用分類機 SVM 就是用統計上風險最小化的方法，來產生一個分類的超平面 (hyperplane)，也就是找到一個決策邊界 (decision boundary)，該邊界可以讓「兩類」之間的邊界 margins 最大化。 SVM 是一個二元分類器，也就是只能做非黑即白的分類判斷。 如果資料只有二維，如在二維直線座標系中標記了許多點，若這些點概念上可以被分成兩類，我們就可以透過迴歸分析的幫助，找出一條線來最適當的把這兩類的點切分開來，這條線如果是直線，那就是一個一元一次方程式，如果是曲線那當然就是二次三次或更高。 而該怎麼找出最佳的一個切割面？SVM 的提議也很簡單，他假設如果存在一個 hyperplane，這個 hyperplane 距離所有 A/B 類節點的距離總和最長，那他就是一個最佳的分割面，這裡的距離的概念也就是 margin。簡單理解就是，處在兩個點的「最中間」位置的那條線就是這兩點的最佳切割線。 ...