作者查詢 / a100006136
作者 a100006136 的總覽 (PTT發文,留言,暱稱)
發文數量: 5
收到的『推』: 23 (36.5%)
收到的『→』: 32 (50.8%)
收到的『噓』: 8 (12.7%)
留言數量: 72
送出的『推』: 35 (48.6%)
送出的『→』: 35 (48.6%)
送出的『噓』: 2 (2.8%)
使用過的暱稱: 1
a100006136 在 PTT 最新的發文, 共 5 篇
a100006136 在 PTT 最新的留言, 共 72 則
403F推: Google Store / 8/21 / 9/12 中午09/12 13:51
5F→: 你的寄件人和收件人,上面有什麼跡象顯示它們是有用10/24 18:05
6F→: 的feature?10/24 18:05
7F推: 如果mail 小老鼠後面跟的字會有意義像是.com 或是.gov10/24 18:10
8F→: 會建議也可以對這些做segmentation,再用train好的英10/24 18:10
9F→: 文語言模型(web 文本train的)去抓feature10/24 18:10
10F→: 基本上其他非信件本文的內容,第一步是對每個材料去10/24 18:21
11F→: 思考如何量化,像是時間的格式、不同的寄信收件地址是10/24 18:21
12F→: 否進行編號、圖片則要用像素表示10/24 18:21
13F→: 然後再來就是每個材料適合的處理方式,時間的連續性可10/24 18:21
14F→: 以讓它獨立成為一個feature、地址的表示法可以像前面10/24 18:21
15F→: 說的視同文本取特徵、也可以當作不同的item 取one-hot10/24 18:21
16F→: 、圖片也是先接個cnn變成向量10/24 18:21
17F推: 至於模型的訓練選擇就如同1樓講的那樣,可以用多個模10/24 18:24
18F→: 型一起預測,也可以暴力concat這些特徵,每份郵件都10/24 18:24
19F→: 表示成一個向量後直接丟ML套件來分類也沒什麼不行10/24 18:24
15F→: 之前也在這間剪,也是剪不好,洗髮泡泡還噴到臉02/22 15:27
15F→: 可以重插網路線,確認有連線後登入12/21 19:40
16F→: https://dorm-long-1.cc.ntu.edu.tw/login.php12/21 19:41
17F→: 這是長興宿網登入網址,windows用ie開,mac用safari開12/21 19:42
18F→: ,應該就可以了12/21 19:42
19F→: 斷網後常需要重新登入認證,wifi使用者會建議網路孔12/21 19:44
20F→: 先接回電腦認證,再接回wifi(可能需要再次登入認證)12/21 19:44
40F推: Done10/24 16:38
a100006136 在 PTT 的暱稱紀錄, 共 1 個
暱稱:shao17
文章數量:5