淺談Lasso, Elastic net, Ridge方法
線性回歸介紹 先來介紹何謂線性回歸? 線性回歸是一種最簡單建立數學模型的…
-
-
DBSCAN分群是什麼?可應用在什麼樣的場景?
介紹 DBSCAN是一種以密度為基礎的分群方法，判定鄰近資料點密度比較高…
-
Attention機制的關鍵概念—Query, Key, Value用類比法帶您快速了解
李彼德的 AI 學習地圖 介紹 先前文章有提到Transformer模型…
-
Transformer核心原理: 從三個Multi-Head Attention角度，白話文範例帶您了解
李彼德的 AI 學習地圖 Why Transformer? 傳統RNN的…
-
探索物理領域的資料擴增技術：提升機器學習效能的關鍵要素
為何我們需要有資料擴增的方法? 這是因為機器學習模型是需要有大數據打造而…
-
Transformer介紹:為何它是現今NLP技術發展的基石?
機器翻譯架構 Transformer可應用在許多任務當中，本篇文章以機器…
-
深度學習(Deep Learning)、機器學習(Machine Learning)、規則為主方法(Rule-based Method)—從鳶尾花範例帶您了解
鳶尾花分類介紹 鳶尾花細分會有不同種類，在機器學習常用的數據集裡面，就有…
-
從BERT到GPT模型帶您綜觀大型語言模型(LLM)：編碼器(Encoder-only)，編碼器解碼器(Encoder-Decoder)，解碼器方法(Decoder-only)
李彼德的 AI 學習地圖 為什麼要介紹此篇文章? 現今大家關注的是GPT…
-
特徵歸一化(feature normalization)
前言 機器學習並不像深度學習可以自動辨別關鍵特徵。機器學習在訓練之前，需…
-
精確度(均方根誤差,MSE)與穩健度(全距,Range)的考量
為什麼要要有度量標準? 當模型訓練完成後，我們不確定到底模型有沒有訓練好…
