Regularization
- By
Wayne
當模型的效能低下時，它無法準確地預測資料。它的主因可能是 overfitting 或 underfitting。如果是 overfitting 的情況，我們可以使用 regularization 來解決模型 overfitting 的問題。
Browsing Tag
Machine Learning
22 posts
Overfitting 和 Underfitting
- By
Overfitting 和 underfitting 是模型準確率不彰的主因。要能夠判斷模型是 overfitting 還是 underfitting，才能夠採取正確的方法來提升模型的效能。
邏輯回歸（Logistic Regression）
- By
Logistic regression 是一個資料分析技術，被用來做分類（classification）。它大概是分類演算法中最簡單的模型。因此，很適合當初學者的第一個分類演算法。
特徵縮放（Feature Scaling）
- By
在機器學習中，在我們將資料拿來訓練模型之前，通常要先對資料做特徵縮放（feature scaling）。本文章將介紹一些 feature scaling 的方法。
線性回歸（Linear Regression）
- By
Linear regression 是一個資料分析技術，且使用線性函數來預測未知的資料。雖然 linear regression 模型相對簡單，但它是一個成熟的統計技術。
在 Android 上使用 ONNX Runtime 執行 YOLOv8 模型
- By
Open Neural Network Exchange (ONNX) 是由數個大廠合作定義的模型格式。而 ONNX Runtime 是一個可以執行 ONNX 模型的 library，它是微軟開發的。它支援多個平台，包含 Android。
在 Android 上使用 PyTorch 執行 YOLOv8 模型
- By
PyTorch 是一個由 Meta 所開發的機器學習 library。YOLOv8 內部也是使用 Pytorch。除了 Python 環境之外，我們現在也可以在非 Python 的環境中使用 PyTorch。本文章將藉由建立一個企鵝偵測的 app 來介紹如何在 Android 上使用 PyTorch。
Non Maximum Suppression (NMS)
- By
Non maximum suppression 是一個在物件偵測中使用的技術，用來過濾物件偵測演算法產生出的 bounding boxes。如果不使用 NMS 的話，我們將會得到一張有密密麻麻的框框的圖片。
混淆矩陣（Confusion Matrix）
- By
混淆矩陣是一個用來衡量模型效能的工具。這使得資料科學家可以分析並優化模型。因此，在學習機器學習時，我們必須要學會使用混淆矩陣。此外，本文章還會介紹 accuracy、recall、precision、和 F1 score。
YOLOv8 物件偵測教學
- By
YOLO (You Only Look Once) 是一個熱門的物件偵測模型。它的高效能與高準確率，使得它快速地走紅。本文章將介紹如何使用 YOLOv8 來做物件偵測。
