FB: https://www.facebook.com/profile.php?id=100082389794254
文字版: https://nostanduptalk.github.io/notes-ai-notes/
影音板: https://youtu.be/hNrEDmaWk9Y
執行的步驟如下:
1.定義問題
了解目的和問題的背景 例如: 透過年資、職等、城市等因素，預測員工的薪資。
2. 數據前處理
對收集到的數據進行整理和清理，以便後續的分析和應用。 例如: 刪除缺失值和重複值，將非數值數據轉換為數值數據（例如 Label Encoding、One-Hot Encoding）
3.模型訓練
選擇適當的算法和模型架構，將數據分為訓練集和測試集，通過不斷的迭代優化，使模型的準確率不斷提高。 例如: 監督式學習算法如線性回歸、決策樹等適用於預測或分類問題，而非監督式學習算法如聚類、降維等則適用於無標籤數據的分析。 深度學習技術訓練的神經網絡模型如CNN、RNN屬於監督式學習，使用帶有標籤的數據集來進行訓練，目標是最小化loss function(需自訂)。
4.評估結果
對訓練好的模型進行評估，通過各種指標來評價模型的效果，並對模型進行調整和優化（做不好就回到上一步）。 例如: 利用測試集檢查模型的準確率，調整模型參數、算法等進行優化。
5.模型應用
將訓練好的模型應用到實際問題中，並進行預測和分析，得出結果。