作者查詢 / a78998042a

總覽項目：發文 | 留言 | 暱稱

作者 a78998042a 在 PTT [ DataScience ] 看板的留言(推文), 共44則

限定看板：DataScience

看板排序：

全部Gossiping1123WomenTalk561NBA285TOEIC250Boy-Girl242CareerPlan223R_Language174Tech_Job174marriage104Stock101C_Chat72Salary67AllTogether63StupidClown50joke49Baseball46DataScience44CATCH42Kaohsiung42Statistics37HatePolitics34Soft_Job27TaichungBun26MuscleBeach25Beauty18Python17sex17movie14Lakers13Tainan13teeth_salon13FITNESS11graduate9BuyTogether8Language7Test7LoL6Tennis6YOLO6book5Fortune5BabyMother4Fund4marvel4Engineer3Master_D3SENIORHIGH3TWICE3car2cat2chatskill2hair_loss2Japan_Travel2LeBronJames2NCYU_Fst_982PokemonGO2Raptors2SMSlife2Suckcomic2tattoo_ring2WorldCup2AC_In1Anti-Cancer1asciiart1biker1Celtics1ChicagoBulls1ck55th3111Disabled1e-shopping1Elephants1feminine_sex1Finance1FJU1give1Grizzlies1Hawks1Headphone1Hiking1home-sale1HSNU_8201Kings1KOTDFansClub1L_TaiwanPlaz1L_TalkandCha1Marginalman1MobileComm1mobilesales1NBA_Film1NSwitch1NTU1Office1ONE_PIECE1part-time1Philippines1PHX-Suns1Poker1PttLaw1PublicServan1Tai-travel1Taurus1Thunder1Trading1Wanhua1<< 收起看板(104)

首頁

尾頁

[問題] 手刻機器學習模型

[ DataScience ]39 留言, 推噓總分: +12

作者: retest75 - 發表於 2023/01/20 22:02(3年前)

4^F推a78998042a: 練習時就刻核心就好，可以當成做教學的心態，會做得01/20 23:08

5^F→a78998042a: 比較仔細。跟刻論文算法一樣，如果結果跟論文差太多01/20 23:08

6^F→a78998042a: ，就會把各種參數都開出來了…01/20 23:08

[問題] 新手請教normality/correlation相關問題

[ DataScience ]15 留言, 推噓總分: +2

作者: JustOCD - 發表於 2022/08/04 05:04(3年前)

12^F推a78998042a: 如樓上說的，reg假設殘差常態，如果不服從則假設檢定08/07 16:48

13^F→a78998042a: 沒有意義，對y進行常態轉換，有機會使殘差服從常態08/07 16:48

14^F→a78998042a: 此時假設檢定就有意義。08/07 16:49

[問題] 測試資料的特徵重要性

[ DataScience ]10 留言, 推噓總分: +2

作者: cshcsh6847 - 發表於 2019/12/26 17:01(6年前)

9^F推a78998042a: InterpretML: A Unified Framework for Machine Learn12/28 01:42

10^F→a78998042a: ing Interpretability. 算新議題，看看吧12/28 01:46

[心得] Learning to play Tetris

[ DataScience ]22 留言, 推噓總分: +12

作者: panruru1224 - 發表於 2018/12/24 22:39(7年前)

17^F推a78998042a: 好強 XDD12/30 23:23

Re: [問題] batch size過大時，為什麼容易overfittin

[ DataScience ]5 留言, 推噓總分: +5

作者: pipidog - 發表於 2018/12/02 18:02(7年前)

5^F推a78998042a: 推12/06 19:45

[問題] 多個模型比較問題

[ DataScience ]36 留言, 推噓總分: +8

作者: kero961240 - 發表於 2018/11/02 21:25(7年前)

4^F推a78998042a: 假設你現在建模的資料集是A，未標記的是B。11/03 00:47

5^F→a78998042a: 如果你的A、B相似性高，則訓練出來新樣本也就90%準度11/03 00:47

6^F→a78998042a: 所以不會提升準確性；如果B的剛好適應模行，使得B資11/03 00:47

7^F→a78998042a: 料的正確率100%，準確率會提高，但模型更容易overfitt11/03 00:48

8^F→a78998042a: 如果A、B根本不像，你用A預測B都是錯的，很難期望會11/03 00:48

9^F→a78998042a: 拉更高。11/03 00:48

10^F→a78998042a: 只有B的資料跟A不像，但B擁有正確標籤，才有可能cover11/03 00:49

11^F→a78998042a: 原本沒解釋到的部分。11/03 00:49

12^F→a78998042a: 用原始資料調整增加樣本是挺常見的，不過目標通常是希11/03 00:51

13^F→a78998042a: 望之後在預測時可以cover一些資料沒有，但可能出現的11/03 00:52

14^F→a78998042a: 況，像是圖像翻轉。所以期望是模型更廣泛，提高是看運11/03 00:53

15^F→a78998042a: 氣。至於你的方式讓模型更general都做不到，如果真的11/03 00:55

16^F→a78998042a: 預測正確率提升，我反而會擔心。11/03 00:55

17^F→a78998042a: 第一段指的都是你新增自建標籤資料後，新模型的變化。11/03 00:58

24^F→a78998042a: 不確定樓上有沒有看懂或是我誤解了，原po說他有一組沒11/03 10:11

25^F→a78998042a: 標籤的資料，想用投票設定標籤，利用這組資料增加正確11/03 10:11

26^F→a78998042a: 率。這個想法可不可行後，才會去探討有沒有90%跟99%的11/03 10:11

27^F→a78998042a: 問題吧。11/03 10:11

[問題] 可以事先取得的流動資料

[ DataScience ]9 留言, 推噓總分: +3

作者: ken83715 - 發表於 2018/09/17 10:53(7年前)

6^F推a78998042a: 就是背景知識、他領域的理論延伸的模型，像是物理學上09/28 18:24

7^F→a78998042a: 怎樣預測行星始亡，都是依靠假設的物理模型。金融方面09/28 18:24

8^F→a78998042a: 就是從基本面展望公司未來的收益。如果單純想收集一些09/28 18:24

9^F→a78998042a: 既有資料，難度跟偏誤都不小吧09/28 18:24

[心得] 文章翻譯:為何DRL還行不通?

[ DataScience ]11 留言, 推噓總分: +6

作者: thefattiger - 發表於 2018/09/15 00:23(7年前)

5^F推a78998042a: 推推09/18 21:53

[問題] 如何對categories data 做 clustering?

[ DataScience ]12 留言, 推噓總分: +5

作者: simplee - 發表於 2018/09/02 19:47(7年前)

11^F推a78998042a: Shannon's diversity index09/04 01:38

[心得] 用強化學習設計21點AI機器人

[ DataScience ]24 留言, 推噓總分: +17

作者: b05703 - 發表於 2018/08/31 14:25(7年前)

19^F推a78998042a: 推09/03 00:34

首頁

尾頁