優雅智能_專注於生成式AI應用服務開發

我們根據訓練模型提供資料的服務包含有

資料清洗（Data Cleaning）

• 缺失值處理：使用平均值、中位數或眾數來填充缺失值，或使用更複雜的方法如K-近鄰（K-NN）來預測缺失值。
• 離群值處理：使用Z-score、IQR（四分位數範圍）等方法來識別和處理離群值。

資料轉換（Data Transformation）

• 正規化（Normalization）：將數據轉換到[0,1]範圍內。
• 標準化（Standardization）：將數據轉換為平均值為0，標準差為1的分佈。

對數轉換（Log Transformation）：用於處理偏度（skewness）較大的數據。

• 資料編碼（Data Encoding）
• 獨熱編碼（One-Hot Encoding）：用於將類別變數轉換為數值型態。
• 標籤編碼（Label Encoding）：將類別變數轉換為整數。

特徵選擇（Feature Selection）

• 相關係數分析（Correlation Analysis）：選擇與目標變數高度相關的特徵。
• 主成分分析（PCA）：用於降維和特徵提取。

資料增強（Data Augmentation）

• 隨機旋轉、翻轉：在圖像分類問題中常用。
• SMOTE（合成少數過採樣技術）：用於不平衡數據集的分類問題。

資料切分（Data Splitting）

• 訓練/測試/驗證集切分：確保模型能在未見過的數據上表現良好。