iT邦幫忙

第 11 屆 iThome 鐵人賽

DAY 30
0

https://ithelp.ithome.com.tw/upload/images/20191001/20120115uBVHD7q6gz.jpg
Embedding能降維、處理稀疏數據、協助模型泛化,說是極為強而有力的方法,潛在特徵(Latent Features)也在重複embedding的過程中順應而生,但一如我們得知方法loss function能協助我們優化模型一般,當時會面臨不知做到甚麼地步,隨著不斷的降維又該到何種地步呢?目前由rule of thimb(經驗法則)大概得到的結果是訓練資料開4根的結果

此外Tensor Board提供一個視覺化工具可以以3D方式觀察分群的狀況如圖
https://ithelp.ithome.com.tw/upload/images/20191002/20120115rDcrlwygLI.jpg


上一篇
Day 29 Customize Estimator 和 Keras
下一篇
Day 31 雜談
系列文
想使自身成長就先從連續30天的機器學習開始吧!31
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言