單元摘要

<aside> 💡

這個單元包含什麼？

此單元會詳細介紹PAIA Desktop中的AI 積木，除了介紹積木的使用，也會複習基礎AI觀念。

</aside>

<aside> 🔥

需要哪些先備知識？

1. 了解 ‣
2. 了解 ‣ </aside>

<aside> ⏰

大概需要花多少時間？

閱讀與操作約 30~40 分鐘

</aside>

AI 模型基礎概念隨堂考

<aside> 🔥

AI 訓練目標分為哪幾類？

</aside>

<aside> 🔥

AI 模型依照訓練的方式分哪幾種？

</aside>

<aside> 🔥

訓練監督式AI 模型的基礎三步驟分別是？

</aside>

積木介紹

<aside> 🎓

分類器積木

</aside>

<aside> 🎓

計算AI的準確率

</aside>

<aside> 🎓

迴歸器積木

</aside>

<aside> 🎓

計算AI的誤差

當我們訓練一個 迴歸模型（用來預測數值的 AI）時，我們想知道它的預測和真實數值之間有多大的差距。這時候，我們可以用 誤差指標 來評估它的表現！

<aside> 📝

• 迴歸模型的誤差是什麼？ </aside>

<aside> 📝

• 我們怎麼計算誤差？ </aside>

在 PAIA 積木中，我們可以使用 「計算誤差」 這個積木來評估 AI 的表現。

• 誤差類型：選擇要計算的誤差指標，上圖例子是 R2 判定係數。
  • R2 判定係數：它告訴我們 AI 模型有多會「猜對」，這個分數從 0 到 1，越接近 1，代表它猜得越準
  • 平均平方誤差：先把 AI 預測錯的數字都平方（乘以自己），再算平均，這樣可以看 AI 錯得有多嚴重，數字越小越準喔
  • 平均絕對誤差：算 AI 每次猜錯的距離，再算平均，這個數字越小，代表 AI 猜得越接近答案
  • 想要了解更仔細的同學可以參考這一段!
• 期望結果清單：放入所有正確的數值結果
• 推論結果清單：放入 AI 預測的數值結果 </aside>

實作練習

<aside> ✍️

如何使用分類器模型積木

</aside>

<aside> ✍️

如何使用模型積木建立迴歸器

</aside>

補充說明

<aside> 📝

揭開演算法中的神秘面紗，讓我們更深入了解參數的意義

</aside>

<aside> 📝

計算誤差的方法

</aside>