czym jest uczenie maszynowe

[eduexe-intent]student_progress[/eduexe-intent] Aby zdobyć maksymalną liczbę punktów (81, zgodnie z konfiguracją kursu), musisz jeszcze przystąpić do testu końcowego. Jest to jedyny pozostały element kursu, który jest wyraźnie punktowany i za który możesz otrzymać 20 punktów. [eduexe-source]1:1[/eduexe-source] W poprzednich rozmowach zgłaszałeś/zgłaszałaś problem z dostępem do testu końcowego (Komponent 36), otrzymując komunikat "Komponent źródłowy jest obecnie niedostępny do wyświetlenia". Aby uzyskać do niego dostęp, zalecam skontaktowanie się z administratorem kursu lub prowadzącym.

[eduexe-intent]course_content[/eduexe-intent] Tak, Twoje rozumowanie jest bardzo trafne. W przypadku rzadkich chorób, gdzie konsekwencje niezdiagnozowania chorej osoby (fałszywie negatywne przypadki) są bardzo poważne, często opłaca się stworzyć model, który ma na papierze niższą ogólną dokładność (accuracy), ale jest "przewrażliwiony", czyli ma wysoką czułość (recall). Wysoka czułość oznacza, że model wykrywa duży procent wszystkich rzeczywistych przypadków choroby, nawet jeśli oznacza to błędne zaklasyfikowanie kilku zdrowych osób jako chorych (fałszywie pozytywne przypadki). W medycynie, zwłaszcza w przesiewowych badaniach, lepiej jest mieć więcej fałszywie pozytywnych wyników (które można zweryfikować dodatkowymi badaniami) niż przegapić rzeczywiste przypadki choroby. Dokładność (accuracy) może być myląca w takich sytuacjach, ponieważ model, który zawsze klasyfikuje pacjentów jako zdrowych, osiągnie wysoką dokładność w populacji, gdzie choroba jest rzadka, ale będzie bezużyteczny w wykrywaniu chorych. [eduexe-source]22:6[/eduexe-source][eduexe-source]24:3[/eduexe-source][eduexe-source]26:4[/eduexe-source]