F-score to metryka oceny modelu, która stanowi próbę stworzenia bardziej uniwersalnej miary jakości. Jest oparty jednocześnie na precyzji (precision) i czułości (recall), a oblicza się go jako ich średnią harmoniczną. F-score stanowi kompromis między tymi dwiema metrykami. [eduexe-source]25:1[/eduexe-source][eduexe-source]25:2[/eduexe-source][eduexe-source]25:3[/eduexe-source]

Współczynnik uczenia (ang. learning rate), nazywany także stałą uczenia się, określa wielkość kroku, o jaki model ma w czasie treningu korygować otrzymany wynik w kierunku wyniku oczekiwanego. Zbyt mała wartość może znacznie wydłużyć proces uczenia się, a zbyt duża może sprawić, że model nigdy nie osiągnie oczekiwanego rozwiązania, tylko będzie je ciągle przeskakiwał. [eduexe-source]16:7[/eduexe-source]