conversation_by_cl4

[bot_external]

Macierz pomyłek to specyficzny układ tabelaryczny, który pozwala na wizualizację wydajności algorytmu, zazwyczaj algorytmu uczenia nadzorowanego. Każdy wiersz macierzy reprezentuje instancje w rzeczywistej klasie, podczas gdy każda kolumna reprezentuje instancje w klasie przewidywanej, lub odwrotnie. Przekątna macierzy reprezentuje zatem wszystkie instancje, które zostały poprawnie przewidziane.

Macierz pomyłek może być również nazywana tablicą pomyłek. Jest to szczególny rodzaj tabeli kontyngencji, z dwoma wymiarami ("rzeczywisty" i "przewidywany") i identycznymi zbiorami "klas" w obu wymiarach (każda kombinacja wymiaru i klasy jest zmienną w tabeli kontyngencji).

Macierz pomyłek umożliwia porównywanie modeli umożliwiając ocenę ich wydajności. Jest to ważne narzędzie w uczeniu maszynowym, ponieważ pozwala na ocenę, jak dobrze model jest w stanie wykryć przypadki, które rzeczywiście należą do klasy pozytywnej.

[student_cl4]

test

[bot_external]

Nie mogę znaleźć informacji w kontekście, która pozwoliłaby mi udzielić odpowiedzi na pytanie "test". Jeśli chcesz, mogę spróbować pomóc w sformułowaniu pytania lub poprosić o dodatkowe informacje, które mogą pomóc mi w odpowiedzi.

[student_cl4]

Co to precyzja

[bot_external]

Precyzja to miara, która określa stosunek poprawnie sklasyfikowanych diagnoz pozytywnych do liczby wszystkich przypadków testowych sklasyfikowanych przez model jako pozytne. Inaczej mówiąc, precyzja to proporcja prawidłowo wykrytych przypadków do wszystkich przypadków, które zostały sklasyfikowane jako pozytywne.

Przykładem z ilustracji w kontekście kursu jest obliczenie precyzji, w którym bierzemy liczbę prawidłowo wykrytych chorób (27) i dzielimy ją przez liczbę wszystkich osób sklasyfikowanych przez model jako chore (31). Otrzymujemy w zaokrągleniu 87%.

Precyzja jest ważnym wskaźnikiem jakości modelu Uczenia Maszynowego, ponieważ pozwala ocenić, jak dobrze model jest w stanie wykryć przypadki, które rzeczywiście należą do klasy pozytywnej.

[student_cl4]

Co to uczenie maszynowe

[bot_external]

Uczenie maszynowe (Machine Learning) to dziedzina badań w sztucznej inteligencji zajmująca się rozwojem i badaniem algorytmów statystycznych, które potrafią uczyć się na danych i generalizować na dane niewidziane, a tym samym wykonywać zadania bez wyraźnych instrukcji.

[student_cl4]

co to uczeie maszynowe ?

[bot_external]

Uczenie maszynowe (ang. Machine Learning - ML) to obszar Sztucznej Inteligencji (ang. Artificial Intelligence - AI) koncentrujący 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_cl4]

co to precyzja|?

[bot_external]

Precyzja to miara wydajności w uczeniu maszynowym, która określa ułamek instancji istotnych wśród pobranych instancji, które zostały poprawnie oznaczone jako należące do klasy pozytywnej. Zapisano ją jako wzór: Precyzja = Liczba poprawnie pobranych instancji / Wszystkie pobrane instancje.

Przykładem może być program komputerowy do rozpoznawania psów na zdjęciu cyfrowym. Jeśli program identyfikuje 8 psów, ale tylko 5 z nich jest prawdziwie pozytywnych, to precyzja programu wynosi 5/8.

Precyzja jest ważna w sytuacjach, gdzie koszt błędu typu I (skazanie niewinnej osoby) jest zbyt wysoki, jak w przypadku systemu wymiaru sprawiedliwości karnej. W takich przypadkach precyzja jest bardziej ceniona niż czułość.