conversation_by_8kp

[bot_external]

Odpowiedź na to pytanie znajduje się w pierwszym fragmencie tekstu. Uczenie Maszynowe (UM) to dziedzina Sztucznej Inteligencji (SI) koncentrująca się na rozwijaniu algorytmów automatycznie poprawiających się poprzez doświadczenie, czyli ekspozycję na dane. Algorytmy te na podstawie dostarczonych im danych budują model matematyczny, który potrafi podejmować decyzje czy prognozować rezultaty bez potrzeby bycia wprost zaprogramowanym do danego celu przez człowieka.

[student_905_8kp]

jak poradzic z problemem nierówna liczebność klas?

[bot_external]

Odpowiedź na to pytanie znajduje się w drugim fragmencie tekstu. W przypadku nierówna liczebności klas, model może zignorować klasę mniej liczną i automatycznie przypisać wszystkie przykłady do klasy dominującej, osiągając wysoką dokładność, ale nie spełniając swojego głównego zadania.

Aby temu zaradzić, należy uzupełnić klasę mniej liczną o zawartość katalogu tej klasy, następnie ponownie wytrenować model i ponownie wgrać przykład do sekcji "Podgląd".

[student_905_8kp]

jak poradzic z problemem dane spoza klas?

[bot_external]

Odpowiedź na to pytanie znajduje się w trzecim fragmencie tekstu. W przypadku problemu danych spoza klas, model może zignorować te dane i automatycznie przypisać wszystkie przykłady do klasy dominującej, osiągając wysoką dokładność, ale nie spełniając swojego głównego zadania.

W tym przypadku, nie ma w tekście proponowanych rozwiązań, aby temu zaradzić.

[student_905_8kp]

czym jest Zbiór uczący?

[bot_external]

Zbiór uczący (inaczej treningowy, ang. train set) - to dane, dla których model zna poprawne odpowiedzi i na których jest trenowany.

[student_905_8kp]

czym jest Zbiór testowy?

[bot_external]

Zbiór testowy (ang. test set) to dane, z którymi model nie miał do czynienia w procesie uczenia się i nie zna dla nich poprawnych odpowiedzi, wykorzystywane do przetestowania, jak dobrze model jest wytrenowany.

[student_905_8kp]

Czym są metryki?

[bot_external]

Metryki to miary jakości modelu Uczenia Maszynowego, które umożliwiają porównywanie modeli między sobą.

[student_905_8kp]

co to macierz pomyłek?

[bot_external]

Macierz pomyłek (ang. confusion matrix) to tabela z dwoma wierszami i dwiema kolumnami, która przedstawia liczbę wyników prawdziwie pozytywnych, fałszywie negatywnych, fałszywie pozytywnych i prawdziwie negatywnych. Umożliwia to bardziej szczegółową analizę niż prosta obserwacja proporcji poprawnych klasyfikacji (dokładności).