影響AI模型的幾個要點

1. 資料預處理
保持資料的正確性可以有效提升AI識別的成效，模稜兩可甚至是錯誤的定義會使AI在訓練時跟著混淆，而無法取得良好的訓練結果。
2. 資料量
過少的資料無法使其有效學習，即使資料分類正確也有其提升上限，提供足夠大量的數據量也是重要的一環。
3. 訓練代數
有了正確的數據、足夠大量的資料後，充足的學習也是一樣重要，隨著代數的提高，學習結果也會隨之優化。

但提昇各者皆有邊際效應，重要的是各種要素皆具備且完善，才會有優秀的模型產生，帶給使用者正確的識別結果。