/* 警告 */ 這個不是教學文章系列 而是記錄一個初學者學著提出問題,並找出答案的過程 並透過鐵人賽督促自己的系列 /*...
Introduction to Machine Learning 讓你可以做到以下三件事1.減少寫程式的時間 讓程式自己建立規則2.客製化產品3.不知道該怎麼...
GeneralizationGeneralization(泛化):模型對新樣本的預測能力很好可以照字面上意思,泛化是指這個模型可以廣泛的範例上使用,爾不僅限於原...
Representation: Feature Engineering為了訓練模型,必須要選擇最能代表特徵。必須考量特徵如何映射,才能使模型更好的預測,普遍來說...
Logistic Regression 雖然是回歸,但實際上是處理分類問題的,邏輯回歸通常用於判斷二元分類問題例如有沒有人、是不是垃圾郵件、有沒有感染病毒等等。...
Neural Networks 要如何處理非線性問題?只要在其中加入非線性函數轉換層就行 這些非線性轉換層所使用的非線性函數稱之為Activation Func...
Embeddings 在自然語言辨識等問題上,可能會有多個稀疏的特徵向量,這些向量組成的高維向量空間,在機器學習上並不能很好的處理,此時就要透過嵌入(Embed...
Fairness 在實作機器學習的系統時要注意認知偏誤的存在 在這裡課程大致舉例幾種常見的偏誤通報偏誤只有不尋常的事情與極端值會被注意,普遍而平凡的事不能被展現...
進入TensorFlow.js的世界 Making predictions from 2d data Day8 初探TensorFlow.js,不用設定環境的機...
Day9 TensorFlow.js: MNIST 手寫數字辨識昨天基本上針對最簡單的回歸問題求解熟悉一下TensorFlow的處理流程1.準備模型(定義神經網...