鐵人檔案
在這 30 天內會先從基本的 Pandas 資料處理，以數學的角度理解神經網路與機器學習之相關概念後，會用 Python 實作出各種模型，最後再用 Django 讓模型能夠結合網頁 !
前言 梯度下降 ( Gradient Descent ) 是一種最優化模型算法，用於調整模型參數以最小化損失函數。它是機器學習和深度學習中最常用的優化方法之一，...
前言 在機器學習和深度學習中，優化器就是個能夠優化模型的工具，用梯度下降法幫我們調整模型參數以最小化 ( 優化 ) 模型的損失函數，在訓練過程中，模型根據輸入數...
動量 Momentum 動量的核心概念就是依據現實生活中物理上的慣性去更新參數，參數更新公式： 當前參數更新時除了梯度，還會考慮前一步的梯度 ( 移動方向 )...
前言 在機器學習和深度學習中，損失函數 ( Loss Function ) 是一種用來衡量模型預測值與實際目標之間差異的函數，模型經過損失函數的計算後就會知道模...
前言 學習率 ( Learning Rate ) 是梯度下降優化算法中的一個重要 超參數，它決定了在每一步更新模型參數時，參數應該調整多少。學習率的選擇對於優化...
前言 在訓練模型時，有時會被一些專有名詞搞混，像一個參數就有分「參數」和「超參數」，今天我們要來搞清楚這兩個名詞的差異啦 ~ 參數 Parameters 在...
前言 交叉驗證 ( Cross-Validation ) 是在機器學習中是一個評估模型性能的技術，從而使我們能更準確地估計模型在面對陌生資料的擬和能力，也就是模...
前言 在訓練完我們的模型之後，通常會用測試資料給我們的模型做測試，評估模型在測試資料上的表現，那要用什麼來評判這個模型的好壞呢？於是我們就用一些驗證指標 ( V...
前言 當我們要評估一名運動員的好壞，就會針對一些體能項目做評估，像是肌耐力、爆發力、彈跳力等，這些項目也可以稱做是衡量球員水準的指標，同樣的如果我們要評估一個模...
前言 昨天提到如何算出評估模型的各種驗證指標，今天就要利用驗證指標中的兩個指標，這兩個指標都是針對預測為陽性 ( 1 ) 時的情況下做比率的計算，一個是召回率...
