前言昨天我們完成資料前處理與特徵工程,現在已經有乾淨且規範的資料可以使用。今天將進入核心步驟:建立邏輯迴歸模型,讓模型學習特徵與目標之間的關係。
一、建立邏輯...
Day14 | Rosalind 生資解題 - 007. IPRB(Mendel‘s First Law)+組合數公式
題目連結:https://rosalin...
接續昨天 N-gram 的介紹,今天來繼續講講 N-gram~~
The Markov Assumption(馬可夫假設)
昨天有提到,如果要用「所有前文」來...
前言
在執行複雜的資料專案時,我們經常面臨來自四面八方的資訊,這些資訊來的又多又快,各種專案議題、技術議題、臨時一通電話而來的急件…等等。
不僅讓團隊「資訊過載...
前情提要
昨天已經把 RoPE 觀念介紹完了,會發現數學公式比絕對位置編碼複雜一點,但直接應用在 Q 跟 K 而不是與詞量相加,這樣子更有效率。
參考文章:
h...
前言
不管是 LSTM 還是 RNN,只要時間步太多,就很容易遇到梯度消失的問題——這點我們在 Day 11 也有提過。當資料一路傳到最後一個 context...