前面提到了,要訓練ML就需要數據,而且是大量的數據,這些數據不僅要大、更要多樣! Google地圖 看到這張圖了嗎?左邊第一個是GoogleMaps的經典應用...
隨機森林 在上一篇文章中,我們談到了決策樹(Decision Trees)這個演算法,並知道該演算法能夠解決非線性的問題,但是在解決機器學習的問題上,單個決策樹...
前面講到我們可以利用機器學習創造出算命水晶球一樣神奇的預測模型,但它需要大量的數據用來訓練才行。 所以在建立強大的人工智慧之前,還必須先透過工人智慧產生出數量龐...
在訓練Machine Learning Model時,我們的Model一定會出錯,而錯誤又分成兩類,在優化錯誤時應該要想,我們的錯誤要往哪方面優化,才會對使用者...
昨天很粗淺的介紹張量(Tensor)跟TensorFlow的架構,一定很抽象,今天我們就來看一些例子,幫助瞭解整個輪廓。 w, x, b是輸入的資料與訓練模型時...
Launching into Machine Learning Generalization and Sampling part 2 Lab: Explorin...