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方法，它的作法是以線性方式擬合一群資料點，進而得到…
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的時候，就會視為同一群，透過這種方式可以自動將資料…
用類比法帶您快速了解Attention機制的關鍵概念—Query, Key, Value
介紹 先前文章有提到Transformer模型裡面有三個Multi-Head Attention的機制，在Attentio…
白話文範例帶您了解Transformer核心原理: 從三個Multi-Head Attention角度出發
Why Transformer? 傳統RNN的架構是採用時序性的類神經網路進行自然語言的處理，這樣的方式就是透過時序方式一…
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成，在很多現實的情況，數據量往往有限，甚至在有些情…
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，本篇文章以機器翻譯為舉例說明。先介紹一般機器翻譯的作法，假設我們…
從鳶尾花範例帶您了解深度學習(Deep Learning)、機器學習(Machine Learning)、規則為主方法(Rule-based Method)
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，就有鳶尾花數據集，裡面有不同鳶尾花的特徵以及相對應的類…
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)
為什麼要介紹此篇文章? 現今大家關注的是GPT的模型，GPT模型是大型語言模型發展數年之後逐漸較確定的結果，事實上大型語言…
機器學習基礎—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，需要針對輸入進行特徵工程才會讓模型有好的訓練效果。特…
判斷模型對於回歸問題的好壞—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?有可能模型會有過擬合的現象，只有在特定資料才會預…