conversation_by_8q2

bot_external

Oto odpowiedź na pytanie kursanta:

W uczeniu maszynowym, szczególnie przy tworzeniu sztucznych sieci neuronowych, epoka to wytrenowanie modelu podczas jednego cyklu obejmującego pełny zbiór danych treningowych.

Pojedyncza epoka to przejście modelu w czasie treningu przez wszystkie przykłady ze zbioru uczącego (treningowego). Zazwyczaj jest to zdecydowanie za mało, by model dał radę porządnie się czegoś nauczyć.

Im więcej epok, tym więcej czasu będzie potrzebne na trening. Dodatkowo, w pewnym momencie może się okazać, że przechodząc kolejny raz przez te same dane ze zbioru uczącego, model nie będzie już wstanie nauczyć się z nich niczego nowego.

student_994_8q2

O co chodzi z minimalizacją funkcji straty?

student_994_8q2

Halo, żyjesz?

bot_external

Nie rozumiem, czym jest pytanie "Halo, żyjesz?". Nie ma w kontekście żadnego odniesienia do tego pytania. Czy mogę pomóc w czymś innym?

student_994_8q2

Pytałem, czym jest funkcja straty i na czym polega jej minimalizacja

bot_external

Oto odpowiedź na pytanie kursanta:

Funkcja straty to funkcja, która odwzorowuje zdarzenie lub wartości jednej lub więcej zmiennych na liczbę rzeczywistą, intuicyjnie reprezentującą pewien "koszt" związany z tym zdarzeniem. Problem optymalizacji polega na minimalizacji funkcji straty.

Minimalizacja funkcji straty jest procesem, w którym szukamy funkcji, która minimalizuje funkcję straty. W statystyce, typowo funkcja straty jest używana do estymacji parametrów, a rozważane zdarzenie jest pewną funkcją różnicy między oszacowanymi a prawdziwymi wartościami dla danego przypadku danych.

Funkcja straty może zawierać człony z kilku poziomów hierarchii. W statystyce, typowo funkcja straty jest używana do estymacji parametrów, a rozważane zdarzenie jest pewną funkcją różnicy między oszacowanymi a prawdziwymi wartościami dla danego przypadku danych.

Minimalizacja funkcji straty jest kluczowym elementem uczenia maszynowego, ponieważ pozwala modelowi nauczyć się od danych i dostosować się do nich w sposób optymalny.

student_994_8q2

Opowiedz mi o macierzy pomyłek

bot_external

Streszczenie:

Macierz pomyłek to tabela, która przedstawia wyniki porównania modelu z rzeczywistymi danymi. Jest to ważna metryka w uczeniu maszynowym, która pozwala na ocenę jakości modelu. Macierz pomyłek składa się z czterech kolumn: prawdziwie pozytywnych, prawdziwie negatywnych, fałszywie pozytywnych i fałszywie negatywnych. Zawiera ona informacje o tym, jak model klasyfikuje dane, a także o jego czułości, precyzji i F-skorze. Macierz pomyłek może być używana do porównywania modeli i oceny ich jakości.

student_994_8q2

Dlaczego znikasz w czasie, gdy rozwiązuję testy?

bot_external

Oto odpowiedź na pytanie kursanta:

Dlaczego znikasz w czasie, gdy rozwiązuję testy?

To pytanie nie jest powiązane z tematyką kursu, który dotyczy uczenia głębokiego i sztucznej inteligencji. Nie ma w kontekście żadnego odniesienia do tego pytania. Czy mogę pomóc w czymś innym?

student_994_8q2

Który model jest lepszy - taki, który ma wartość metryki 0,6 czy taki o wartości metryki 0,9?

bot_external

Oto odpowiedź na pytanie kursanta:

"Im wyższa wartość, tym wyższa ocena modelu."

"Model z metryką o wartości 0,9 jest więc lepszy o modelu z metryką o wartości 0,7."

student_994_8q2

Czym różni się Dokładność od Precyzji?

bot_external

Oto odpowiedź na pytanie kursanta:

"Dokładność to, jak blisko dany zbiór pomiarów (obserwacji lub odczytów) jest ich prawdziwej wartości." (z kontekstu: "Dokładność to, jak blisko dany zbiór pomiarów (obserwacji lub odczytów) jest ich prawdziwej wartości. Precyzja to, jak blisko są pomiary względem siebie.")

"Precyzja to, jak blisko są pomiary względem siebie." (z kontekstu: "Dokładność to, jak blisko dany zbiór pomiarów (obserwacji lub odczytów) jest ich prawdziwej wartości. Precyzja to, jak blisko są pomiary względem siebie.")

"Dokładność ma dwie różne definicje: Częściej jest opisem błędów systematycznych (miarą obciążenia statystycznego danej miary tendencji centralnej, takiej jak średnia). W tej definicji "dokładności" pojęcie to jest niezależne od "precyzji", więc o danym zbiorze danych można powiedzieć, że jest dokładny, precyzyjny, oba lub żaden." (z kontekstu: "Dokładność i precyzja to dwie miary błędu obserwacji. Dokładność to, jak blisko dany zbiór pomiarów (obserwacji lub odczytów) jest ich prawdziwej wartości. Precyzja to, jak blisko są pomiary względem siebie. Międzynarodowa Organizacja Normalizacyjna (ISO) definiuje powiązaną miarę: prawdziwość, "bliskość zgodności między średnią arytmetyczną dużej liczby wyników testów a prawdziwą lub przyjętą wartością odniesienia".")

student_994_8q2

Nie pytam o Międzynarodową Organizację Normalizacyjną, pytam w kontekście kursu i uczenia maszynowego!

bot_external

Oto odpowiedź na pytanie kursanta:

"Dokładność to, jak blisko dany zbiór pomiarów (obserwacji lub odczytów) jest ich prawdziwej wartości." (z kontekstu: "Dokładność to, jak blisko dany zbiór pomiarów (obserwacji lub odczytów) jest ich prawdziwej wartości. Precyzja to, jak blisko są pomiary względem siebie.")

"Precyzja to, jak blisko są pomiary względem siebie." (z kontekstu: "Dokładność to, jak blisko dany zbiór pomiarów (obserwacji lub odczytów) jest ich prawdziwej wartości. Precyzja to, jak blisko są pomiary względem siebie.")

"Dokładność ma dwie różne definicje: Częściej jest opisem błędów systematycznych (miarą obciążenia statystycznego danej miary tendencji centralnej, takiej jak średnia). W tej definicji "dokładności" pojęcie to jest niezależne od "precyzji", więc o danym zbiorze danych można powiedzieć, że jest dokładny, precyzyjny, oba lub żaden." (z kontekstu: "Dokładność i precyzja to dwie miary błędu obserwacji. Dokładność to, jak blisko dany zbiór pomiarów (obserwacji lub odczytów) jest ich prawdziwej wartości. Precyzja to, jak blisko są pomiary względem siebie. Międzynarodowa Organizacja Normalizacyjna (ISO) definiuje powiązaną miarę: prawdziwość, "bliskość zgodności między średnią arytmetyczną dużej liczby wyników testów a prawdziwą lub przyjętą wartością odniesienia".")

student_994_8q2

Kiedy nie można obliczyć metryki "precision"?

bot_external

Oto odpowiedź na pytanie kursanta:

"Na poprzednim przykładzie możemy zauważyć, że bazując na precyzji i czułości, F-score bierze pod uwagę tylko 3 z 4 ćwiartek macierzy pomyłek, ignorując przykłady true negative (TN) - prawdziwie negatywne (ćwiartka oznaczona na fioletowo na poprzedniej ilustracji)."

student_994_8q2

Nie pytam o F-score, pytam o Precyzję (Precision)

bot_external

Oto odpowiedź na pytanie kursanta:

"Na poprzednim przykładzie możemy zauważyć, że bazując na precyzji i czułości, F-score bierze pod uwagę tylko 3 z 4 ćwiartek macierzy pomyłek, ignorując przykłady true negative (TN) - prawdziwie negatywne (ćwiartka oznaczona na fioletowo na poprzedniej ilustracji)."

"Miara F została wyprowadzona przez van Rijsbergena (1979) tak, aby F β {\displaystyle F_{\beta }} "mierzyła efektywność wyszukiwania w odniesieniu do użytkownika, który przywiązuje β {\displaystyle \beta } razy większą wagę do czułości niż do precyzji"."