作者查詢 / yiche

總覽項目：發文 | 留言 | 暱稱

作者 yiche 在 PTT [ DataScience ] 看板的留言(推文), 共50則

限定看板：DataScience

首頁

尾頁

[徵求] 2023人工智慧年會門票

[ DataScience ]4 留言, 推噓總分: +2

作者: mcps5601 - 發表於 2023/09/10 18:35(9月前)

2^F推yiche: 可以去啦講者慎選學術界的研究人員聽就行不過看那議程規09/11 08:07

3^F→yiche: 劃怕是學不到什麼09/11 08:07

[問題] 背景電視講話聲去除或人聲提取

[ DataScience ]8 留言, 推噓總分: +3

作者: jaids - 發表於 2023/07/07 19:21(11月前)

1^F推yiche: 想知道FFT效果好嗎07/08 16:04

[問題] statistical modeling如何知道distributi

[ DataScience ]25 留言, 推噓總分: +9

作者: jaids - 發表於 2023/03/21 17:40(1年前)

2^F推yiche: 同一樓看法03/21 20:14

3^F推yiche: 看設的random variable情境為何，在不同情境有不同適用的03/21 20:18

4^F→yiche: 機率分佈，至於準不準確我認為有待樣本做大之後再檢驗了03/21 20:18

[問題] 機器學習向量空間一對多的表示方法?

[ DataScience ]17 留言, 推噓總分: +2

作者: stayfool - 發表於 2022/11/22 15:15(1年前)

1^F推yiche: 測試資料如果沒在training時被模型看過，卻希望模型能準確11/22 17:21

2^F→yiche: 識別分類，整個難度會上升很多11/22 17:21

3^F→yiche: 因為是文字資料seq2seq 是可以考慮的11/22 17:21

4^F→yiche: 另外不清楚是不是有multi-label的情況，有的話要注意不是一11/22 17:21

5^F→yiche: 般multi-class的分類問題。11/22 17:21

[徵求] ml/dl家教

[ DataScience ]26 留言, 推噓總分: +8

作者: kdok123 - 發表於 2022/09/25 22:25(1年前)

1^F推yiche: 請問是數學背景嗎？看到快速學習我就卻步了光是提到的tsp09/26 07:54

2^F→yiche: 在研究所已經是一個學期的課程了09/26 07:54

10^F推yiche: 和樓上不一樣我還是認為數學是根本xd10/06 23:21

[問題] 請推薦完整的模型評估方法的教學和程式碼

[ DataScience ]23 留言, 推噓總分: +5

作者: ruthertw - 發表於 2022/07/12 15:23(1年前)

1^F推yiche: 統計學假說檢定的章節會提及type I error, type II error，07/12 17:04

2^F→yiche: 對應到偽陰/偽陽，會cover到最後一段列的這些metric中的大07/12 17:04

3^F→yiche: 部份，我是覺得這些只要論文看得夠多都知道什麼問題會採用07/12 17:04

4^F→yiche: 什麼，再來看過定義即可07/12 17:04

[問題] keras model.fit 顯示出的數據量不對

[ DataScience ]7 留言, 推噓總分: +3

作者: ruthertw - 發表於 2022/05/21 18:55(2年前)

4^F推yiche: 想討論版本問題，是不是該請你把版本號貼上來？另外建議你05/21 19:56

5^F→yiche: 開colab 安裝不同的版本比較看看，也不怕把環境玩壞05/21 19:56

[問題] PyTorch反向傳播失敗

[ DataScience ]17 留言, 推噓總分: +2

作者: chhuang17 - 發表於 2022/05/13 23:52(2年前)

1^F推yiche: 我記得原論文有提供程式碼，他的agent用物件封裝放在list05/14 00:08

2^F→yiche: 中，請問你是改那一份code嗎？05/14 00:08

3^F推yiche: 好看起來不是 xd05/14 00:13

[問題] 除了交叉驗證,還有哪些方法可證明over-fi

[ DataScience ]19 留言, 推噓總分: +3

作者: ruthertw - 發表於 2022/04/23 23:32(2年前)

3^F推yiche: 一樓應該是誤會了交叉驗證最簡單像是k-fold做出k個組驗證04/24 11:27

4^F→yiche: 集取平均，在挑參數(model selection)的同時，本身就有避免04/24 11:27

5^F→yiche: over fitting 的效果了，就是為了模型可以泛化，才考量k組04/24 11:27

6^F→yiche: 的04/24 11:27

9^F推yiche: nn的參數隨手都成千數百萬，高維度的loss是超平面，沒辦法04/24 11:56

10^F→yiche: 繪出說明目前的情況是overfitting，通常都是畫出底下的圖04/24 11:56

11^F→yiche: 來看而已04/24 11:56

12^F→yiche: https://i.imgur.com/Dmd9ldT.gif04/24 11:56

[問題] 請問強化學習領域是否有較好的套件可用?

[ DataScience ]10 留言, 推噓總分: +5

作者: yuwenche - 發表於 2021/12/17 10:08(2年前)

9^F推yiche: tf_agents12/19 16:24

首頁

尾頁