python資料分析與機器學習應用何承遠的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

一個發光二極體導線架去膠製程良率預測之實證研究

為了解決python資料分析與機器學習應用何承遠的問題，作者潘毓麟 這樣論述：

導線架是屬於半導體封裝業三大原料中重要的材料之一，本研究以發光二極體導線架生產製造過程的去膠製程良率預測進行探討，去膠製程是為了解決導線架在封膠製程後，將產生多餘的殘膠去除，以利於後續電鍍製程作業，在發光二極體導線架製程裡擁有承先啟後的作用，因此可知其重要性。良率預測對於製造業營運影響深遠，良率是決定公司能否獲利的關鍵指標，面對各家公司技術不斷提升、產品不斷推陳出新，市場的快速變化，產品交期越來越短，受制製程瓶頸及機台設備作業極限等生產條件上的限制下，估計產品未來良率，利於快速因應良率其變化進行決策及補救。 本研究提出以一個機器學習預測模型支援向量回歸(Support vector r

egression, SVR)以及四個深度學習預測模型長短期記憶神經網路(Long Short-Term Memory, LSTM)、門閘遞迴單元網路(Gated Recurrent Unit, GRU)、雙向長短期記憶神經網路(Bidirectional long Short-Term Memory, Bi-LSTM)、雙向門閘遞迴單元網路(Bidirectional gated Recurrent Unit, Bi-GRU)來預測去膠製程良率，收集歷年產品缺點、參數等變數，整理出影響的因素做為作為實驗資料集，實驗資料集分成訓練集及測試集，分別由五個預測模型來進行實驗，根據相同參數組合，觀察

不同模型對於預測效果之影響，以評估指標平均絕對誤差(Mean Absolute error, MAE) and 均方根誤差(Root Mean Squared error, RMSE)作為判斷模型標準，最後本實驗得出SVR模型預測效果為最佳。