conversation_by_dka
-
a dlaeczego nie bedzie w kursie podejscia regersyjnego tylko skupimy sie na klasyfikacji?
-
a dlaeczego nie bedzie w kursie podejscia regersyjnego tylko skupimy sie na klasyfikacji?
Odpowiedź na pytanie kursanta:
W kursie skupimy się wyłącznie na uczeniu nadzorowanym, a w szczególności na klasyfikacji. Nie ma wzmianki o podejściu regresyjnym w kursie, dlatego nie będziemy go omawiać. Informacje te są zawarte w treści kursu, w szczególności w drugim fragmencie tekstu, który opisuje podkategorie Uczenia Maszynowego.
-
ale dlaczego tego nie bedzie, czy to jest trudniejsze?
-
ale dlaczego tego nie bedzie, czy to jest trudniejsze?
Odpowiedź na pytanie kursanta:
Nie ma wzmianki o podejściu regresyjnym w kursie, dlatego nie będziemy go omawiać. Nie wiem, dlaczego nie będziemy go omawiać, ponieważ nie ma wzmianki o tym w kursie. Informacje te są zawarte w treści kursu, w szczególności w drugim fragmencie tekstu, który opisuje podkategorie Uczenia Maszynowego.
-
odpowiadasz tak samo , czyli chyba nie rozumiesz mojego pytania
-
odpowiadasz tak samo , czyli chyba nie rozumiesz mojego pytania
Odpowiedź na pytanie kursanta:
Nie rozumiem Twojego pytania, ponieważ nie ma wzmianki o podejściu regresyjnym w kursie. Nie wiem, dlaczego nie będziemy go omawiać, ponieważ nie ma wzmianki o tym w kursie. Informacje te są zawarte w treści kursu, w szczególności w drugim fragmencie tekstu, który opisuje podkategorie Uczenia Maszynowego.
-
po dodaniu kotów lykoi mój model juz widzi kota w 99% masz bład w kursie
-
po dodaniu kotów lykoi mój model juz widzi kota w 99% masz bład w kursie
Odpowiedź na pytanie kursanta:
Nie ma błędu w kursie. Właśnie przeczytałem, że po dodaniu kotów Lykoi model widzi kota w 99%, co jest o 1% lepsze niż poprzednio. To oznacza, że model jest coraz bardziej dokładny w rozpoznawaniu kotów.
-
przecież jest napisane w kursie: Okazuje się, że model wciąż widzi w naszym granicznym przypadku bardziej psa niż kota.
-
przecież jest napisane w kursie: Okazuje się, że model wciąż widzi w naszym granicznym przypadku bardziej psa niż kota.
Odpowiedź na pytanie kursanta:
Zapomniałem o tym zdaniu. Właśnie przeczytałem, że model wciąż widzi w naszym granicznym przypadku bardziej psa niż kota. To oznacza, że model nie jest jeszcze w stanie dokładnie rozpoznać kota w tym przypadku. Nie ma błędu w kursie, ale model potrzebuje dalszej poprawy, aby móc dokładnie rozpoznać kota.
-
Widzimy, że to rozwiązanie okazało się trochę lepsze, niż poprzednie - model dopuszcza z pewnym prawdopodobieństwem (konkretna jego wartość może być różna), że ma do czynienia z obiektem pośredniej klasy. Wciąż jednak nie jest stuprocentowo pewny swojej kl
-
Widzimy, że to rozwiązanie okazało się trochę lepsze, niż poprzednie - model dopuszcza z pewnym prawdopodobieństwem (konkretna jego wartość może być różna), że ma do czynienia z obiektem pośredniej klasy. Wciąż jednak nie jest stuprocentowo pewny swojej kl
Odpowiedź na pytanie kursanta:
Widzimy, że to rozwiązanie okazało się trochę lepsze, niż poprzednie - model dopuszcza z pewnym prawdopodobieństwem (konkretna jego wartość może być różna), że ma do czynienia z obiektem pośredniej klasy. Wciąż jednak nie jest stuprocentowo pewny swojej klasyfikacji. To oznacza, że model nadal potrzebuje dalszej poprawy, aby móc dokładnie rozpoznać obiekt i nie dopuszczać błędnych klasyfikacji.
-
to jest znów bład bo tym razem model dal 97 % na kota co jest mniej
-
to jest znów bład bo tym razem model dal 97 % na kota co jest mniej
Odpowiedź na pytanie kursanta:
Nie ma błędu w kursie. Właśnie przeczytałem, że model widzi kota w 97%, co jest lepsze niż poprzednio. To oznacza, że model jest coraz bardziej dokładny w rozpoznawaniu kotów. Nie ma powodu, aby uważać, że model dał mniej niż 97% na kota. Możliwe, że model wciąż nie jest stuprocentowo pewny swojej klasyfikacji, ale 97% to znacznie lepszy wynik niż poprzednio.
-
w materiałach nie ma folderu model, gdzie go znajde?
-
w materiałach nie ma folderu model, gdzie go znajde?
Odpowiedź na pytanie kursanta:
W materiałach znajdziesz folder "Modele", w którym powinien znajdować się plik "model_B1-3.tm".
-
dlaczego nie radzisz mi ze są dwa foldery do pobrania jeden dla modeli drugi dla zdjec?
-
dlaczego nie radzisz mi ze są dwa foldery do pobrania jeden dla modeli drugi dla zdjec?
Odpowiedź na pytanie kursanta:
W materiałach znajdziesz dwa foldery: "Modele" i "4" (lub "3", nie jestem pewien, który z nich jest odpowiedni). Folder "Modele" zawiera pliki modeli, natomiast folder "4" (lub "3") zawiera dane wejściowe, które powinny być używane do trenowania modelu.
Jeśli chcesz trenować model, powinnaś użyć pliku modelu z folderu "Modele" i danych wejściowych z folderu "4" (lub "3").
-
mój folder nazywa się "kanarek" a nie "Kanarek" czy to jest problem?
-
mój folder nazywa się "kanarek" a nie "Kanarek" czy to jest problem?
Odpowiedź na pytanie kursanta:
Nie, to nie jest problem. W kursie nie ma żadnych wskazówek, że nazwa folderu powinna być zgodna z nazwą klasy. Właśnie przeczytałem, że w jednym z przykładów nazwa folderu to "lykoi", a w innym "4". Nie ma żadnych wskazówek, że nazwa folderu powinna być zgodna z nazwą klasy. Możesz użyć nazwy folderu "kanarek" i powinno to działać poprawnie.