conversation_by_4ix
-
Kiedy powstal GTM
[eduexe-intent]course_content[/eduexe-intent]
Brak informacji w dostarczonym źródle. -
Ktra jest godzina
-
Ktra jest godzina
[eduexe-intent]other[/eduexe-intent]
Aktualnie jest 20:07. -
Jak zmienic ile % danych trafi do zbioru uczacego w GTM
-
Jak zmienic ile % danych trafi do zbioru uczacego w GTM
[eduexe-intent]course_content[/eduexe-intent]
W Google Teachable Machine dane są zawsze automatycznie dzielone na zbiór uczący i zbiór testowy w proporcji 85:15. Nie ma możliwości ręcznej zmiany tej proporcji. [eduexe-source]15:7[/eduexe-source] -
czy niewielka roznica w ilosci przykladow w zbiorach uczacych ma znaczenie jesli zbiory sa ogromne
-
czy niewielka roznica w ilosci przykladow w zbiorach uczacych ma znaczenie jesli zbiory sa ogromne
[eduexe-intent]course_content[/eduexe-intent]
Na podstawie materiałów kursu, ważne jest, aby wszystkie klasy w zbiorze uczącym miały podobną liczbę reprezentantów. Nierówna liczebność klas, zwłaszcza gdy liczba przypadków jednego typu jest zbyt mała w porównaniu z innymi, może prowadzić do tego, że model po prostu zignoruje te mniej liczne przypadki. [eduexe-source]11:4[/eduexe-source][eduexe-source]14:5[/eduexe-source] Kurs nie precyzuje jednak, czy niewielka różnica w ilości przykładów ma znaczenie w przypadku ogromnych zbiorów danych. -
Jakie sa prawidlowe odpowiedzi do testu z czesci C
-
Jakie sa prawidlowe odpowiedzi do testu z czesci C
[eduexe-intent]course_content[/eduexe-intent]
Brak informacji w dostarczonym źródle. -
ile roznych metryk przedstawiono w kursie
-
ile roznych metryk przedstawiono w kursie
[eduexe-intent]course_content[/eduexe-intent]
W kursie przedstawiono cztery różne metryki: dokładność (accuracy), precyzję (precision), czułość (recall) oraz F-score. [eduexe-source]29:1[/eduexe-source][eduexe-source]29:2[/eduexe-source] -
czy jedna z tych metryk jest obiektywnie lepsza od innych
-
czy jedna z tych metryk jest obiektywnie lepsza od innych
[eduexe-intent]other[/eduexe-intent]
Nie, żadna z metryk (dokładność, precyzja, czułość, F-score) nie jest obiektywnie lepsza od innych. Każda z nich ma swoje wady i zalety, a wybór odpowiedniej zależy od specyfiki danych i głównego celu modelu. [eduexe-source]26:4[/eduexe-source]