Instruction file imported from nguyenngocbinhneu/BMLB (.github/instructions/machine-learning.instructions.md). Copyright stays with the author.

Hướng dẫn Viết Nội dung Machine Learning

Tổng quan

Chapter 08 bao gồm các thuật toán Machine Learning phổ biến. Các chủ đề hiện có: XGBoost, LightGBM, Random Forest, LSTM.

Các Thuật toán Cần Bao phủ:

Supervised Learning:

1. Linear/Logistic Regression (đã có ở Chapter 05)
2. Decision Tree / Random Forest
3. Gradient Boosting: XGBoost, LightGBM, CatBoost
4. Support Vector Machine (SVM)
5. K-Nearest Neighbors (KNN)
6. Neural Networks / Deep Learning (LSTM, etc.)

Unsupervised Learning:

1. K-Means Clustering
2. Hierarchical Clustering
3. PCA (Principal Component Analysis)
4. DBSCAN

Model Evaluation:

• Classification: Accuracy, Precision, Recall, F1-Score, AUC-ROC, Confusion Matrix
• Regression: RMSE, MAE, $R^2$, Adjusted $R^2$
• Cross-Validation: k-fold, Stratified k-fold
• Bias-Variance Tradeoff

Format Viết Bài cho Mỗi Thuật toán:

# Tên Thuật toán

## Giới thiệu
Mô tả ngắn gọn thuật toán...

## Lý thuyết
### Ý tưởng chính
### Công thức toán học
### Ưu điểm và Nhược điểm

## Ví dụ Thực hành

### Với Python (scikit-learn)
` ` `python
from sklearn.ensemble import RandomForestClassifier
# Code example
` ` `

## Đánh giá Mô hình
## Hyperparameter Tuning
## Kết luận

Quy tắc Code ML:

Python (scikit-learn):

from sklearn.model_selection import train_test_split, GridSearchCV
from sklearn.ensemble import RandomForestClassifier
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import Pipeline
from sklearn.metrics import classification_report

# Split data
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.25, random_state=42, stratify=y
)

# Pipeline with preprocessing
pipeline = Pipeline([
    ("scaler", StandardScaler()),
    ("model", RandomForestClassifier(n_estimators=100, random_state=42))
])

# Hyperparameter Tuning
param_grid = {
    "model__n_estimators": [100, 200, 500],
    "model__max_depth": [5, 10, None],
    "model__min_samples_split": [2, 5, 10]
}

grid_search = GridSearchCV(
    pipeline, param_grid, cv=5, scoring="f1_weighted", n_jobs=-1
)
grid_search.fit(X_train, y_train)

# Evaluate
y_pred = grid_search.predict(X_test)
print(classification_report(y_test, y_pred))
print(f"Best params: {grid_search.best_params_}")

Datasets cho ML:

• Classification: sklearn.datasets.load_iris(), seaborn.load_dataset("titanic"), sklearn.datasets.load_breast_cancer()
• Regression: sklearn.datasets.fetch_california_housing(), seaborn.load_dataset("tips")
• Clustering: sklearn.datasets.make_blobs(), sklearn.datasets.make_moons()
• Time Series: statsmodels.datasets.co2, statsmodels.datasets.sunspots