Chase Excellence,
Sucess will follow.

N-gram Language Model

定義

為一種統計語言模型(Statistical Language Model)，統計語言模型定義:

而N-gram又稱為N元模型，N-gram是指一段語句中包含N個Token，譬如abcde，則2-gram依次為:
ab, bc, cd, de

Random Forsest

定義

RF為Bagging的擴展變形。RF以決策樹為基學習器，並在決策樹訓練時，引入隨機屬性選擇。

產生基學習器

建立每一顆決策樹皆包含行採樣、列採樣與完全分裂三個步驟:

1. 行採樣: 目的是挑選進行訓練的數據。採用有放回的方式，及為採樣得到的樣本集中，可能會有重複的樣本。假設，輸入N個樣本，那麼採樣的樣本也為N個。在訓練時，每一顆樹輸入樣本都不是全部的樣本，使得相對不容易over-fitting。

2. 列採樣: 目的是挑選進行訓練的特徵，從M個特徵中，挑m個(m << M)。

3. 完全分裂: 使用完全分裂的方式對採樣後的數據建立決策樹，這樣決策樹的某一個葉子節點要麼是無法繼續分裂，不然就是裡面的樣本全屬一同一個分類。

與其他決策樹算法不同的是，這裡不進行剪枝，因為前兩個隨機採樣的過程保證了隨機性，就算不進行剪枝，也不會出現over-fitting

SVM(Support Vector Machines)

運作原理

使用分隔超平面(separating hyperplane)，將線性可分的數據分隔開來；在超平面同側的資料，屬於同一個類別。

如何挑選分隔超平面

找到離超平面最近的點，並且讓它們離分隔面越遠越好。支援向量(support vector)及為離超平面最近的那些點；而支援向量到超平面的距離稱為間隔(margin)。在挑選超平面時，追求一個擁有最大間隔的超平面，保證在處理未知資料時的分類或回歸效果最佳。

所需檔案建立

建立CA基礎設施

1. 建立CA基礎設施，步驟可參考openssl-certificate-authority
2. 透過以上步驟可獲得Certificate與Private key
   • Certificate位置: /root/ca/intermediate/certs/www.example.com.cert.pem
   • Private key位置: /root/ca/intermediate/private/www.example.com.key.pem