技術 Day 16 | 讓 AI 一口氣看完所有廣告圖再整理出視覺特徵

1. 前言：六張廣告圖可行不代表整批素材都能用 Day 15 讓 Gemini 看六張樣本圖，每張交出五個固定欄位，30 次呼叫只錯了 1 格，錯在沒給判斷標準...

技術 【第14章｜危險徵兆 4】特徵工程的葬禮：當神經網路f()被當作萬靈丹

「神經網路不是會自動萃取特徵嗎？為什麼還要做特徵工程？」 走進某場大型產研合作研討會，台上剛講完幾套傳統統計與特徵工程的篩選流程，坐在第一排、穿著名牌西裝的...

技術 [DAY15] 機器學習基本架構(二): 特徵工程Part2

訓練與測試集合 訓練集就像是在一門課學習東西;測試集就像是學完這堂課的內容後所出的考試 from sklearn.model_selection import...

技術 [DAY14] 機器學習基本架構(二): 特徵工程Part1

特徵工程 將原始數據轉換為更有價值和更有意義的特徵，以改善機器學習模型的性能。良好的特徵工程可以提高模型的準確性、降低過度擬合風險 特徵正規化 線性函數正規化（...

技術 [Day-23] R語言 - 分群應用(四) 建構新特徵 ( generate feature by clustering in R.Studio )

您的訂閱是我製作影片的動力訂閱點這裡~ 影片程式碼 ## 應用四: 建構特徵 #### # 用GMM，產出數值+類別型特徵 library(naniar)...

技術 DAY12 特徵工程-資料化約(特徵選取)

特徵工程可以分為兩大部分，一是根據現有的資料特徵進行篩選，選出較有影響力的特徵進行訓練，另一個是根據現有的資料特徵，去衍生出資料集中沒有的特徵來讓模型學習。今天...

技術 ML專案的特徵工程為什麼存在？包含哪些層面？怎麼練手感？

在討論MLOps的過程當中，許多客戶會針對他們有興趣的事情提出不同的問題，像是：模型監測、安全性、常見案例、資料的隱私處理等等。其中一次在談論AWS的ML Le...