解析機器學習實作

在應用深度學習模型主要著重於如何使用, 本系列解說一些機器學習相關技術領域.

找到一個模型後, 就算是最入門的 DNN, 用最容易上手的 Tensorflow Keras 來訓練, 馬上會遇到一些基礎問題.

一樣推薦先看完李宏毅老師的教學, 就會有基本的認識: 到底如何運用所取得的一些數據(或者資料集, Dataset)來訓練出深度學習模型, 會面對什麼問題.

機器學習是利用一堆數據來找帶有未知參數的函數最佳解過程, 所以如何切割好不容易標示的數據, 要進行Trainning-Testing 切割, 甚至 N-Fold Cross-Validation 是第一個要思考的問題.

另外, 實際訓練時, 如果不滿意其結果如何有系統的解決呢? 不要每次都只往 overfitting 打, 要先看看是否是 model bias.