人工智慧演算法與實作練習

個人學習機器學習與深度學習的筆記庫，涵蓋理論概念的 Jupyter Notebook、從零實作的神經網路，以及相關的線性代數與資料結構筆記。

內容架構

• 機器學習模型：迴歸、邏輯迴歸、Softmax、隨機森林、Cox 比例風險模型、模型評估
• 深度學習：CNN 與 RNN 的純 NumPy 從零實作
• 數學基礎：線性代數（特徵值分解、高斯核、正定矩陣、行列式）、熵、對數
• 資料結構與演算法：陣列、鏈結串列、堆疊、佇列、樹、圖、排序與搜尋

環境需求

使用 Conda 管理虛擬環境（Python 3.10）。

conda activate machinelearning
jupyter notebook

使用套件

套件	版本建議	用途
numpy	≥1.23	數值計算（從零實作神經網路的核心）
pandas	≥1.5	資料載入與處理
matplotlib	≥3.5	資料視覺化
scipy	≥1.9	科學計算、統計分析
scikit-learn	≥1.1	機器學習工具、模型評估、前處理
statsmodels	≥0.13	統計模型（線性迴歸、GLM）
seaborn	≥0.12	統計圖表視覺化
lifelines	≥0.27	存活分析（Cox 比例風險模型）

安裝：

conda install numpy pandas matplotlib scipy scikit-learn statsmodels seaborn
pip install lifelines

從零實作神經網路架構（python_code/）

純 NumPy 手刻，不依賴任何深度學習框架：

CNN 框架（python_code/CNN/）

• functionsCnn.py：所有層定義（Layer 基底類別、Dense、Conv、Pool、BatchNorm、Activation 等）
• classCnn.py：NeuralNetwork 容器，管理層串接、前向／反向傳播、正規化損失
• classTrain.py：優化器（SGD、Adam、AdaGrad、RMSprop）
• init_weights.py：Kaiming、Xavier 等參數初始化方法
• cnnTrainExample.py：完整訓練範例

執行 CNN 腳本前需先切換到 python_code/CNN/ 目錄（本地 import 依賴此路徑）。

RNN 框架（python_code/RNN/）

• rnnTrainSimpleExample.py：簡單 RNN 訓練範例，引用根目錄的 modules/rnn

執行 RNN 腳本需在專案根目錄（import modules.rnn as fr 依賴根目錄 modules/ 套件）。

資料集

Data/ 目錄下包含練習用的資料集：

• mnist_train.csv / mnist_test.csv：手寫數字辨識
• Iris.csv：鳶尾花分類
• heart_failure_clinical_records_dataset.csv：心臟衰竭臨床資料（存活分析）
• water.csv / water.mat：水質資料
• Real estate.csv：房地產資料（迴歸）
• student-por.csv：學生成績資料
• food_truck_data.csv：餐車銷售資料（簡單迴歸）