[eduexe-intent]course_content[/eduexe-intent]
Jasne, oto kilka ogólnych wskazówek do ćwiczeń z ostatnich modułów, które pomogą Ci samodzielnie znaleźć odpowiedzi:
Dopasowywanie problemów z danymi do rozwiązań:
Gdy model czegoś nie rozpoznaje, bo nie było tego w danych (np. klasa "papuga" w modelu psy/koty), pomyśl, co trzeba zrobić, by go tego nauczyć.
Jeśli jedna klasa ma za mało przykładów, jak można wyrównać te proporcje?
Co zrobić z niejednoznacznym przykładem, który pasuje do kilku klas? Kurs sugeruje stworzenie nowej, specjalnej kategorii dla takich przypadków.
[eduexe-source]componentId:12,slideId:5[/eduexe-source]
Obliczanie wielkości zbioru testowego:
Sprawdź w materiale, jaki procent danych Google Teachable Machine automatycznie przeznacza na zbiór testowy.
Oblicz, ile łącznie jest wszystkich przykładów wgranych do modelu.
Zastosuj ten procent do całkowitej liczby przykładów.
[eduexe-source]componentId:15,slideId:4[/eduexe-source] [eduexe-source]componentId:15,slideId:9[/eduexe-source]
Odczytywanie macierzy pomyłek:
Poprawne klasyfikacje znajdują się na głównej przekątnej tabeli.
Wszystkie liczby poza przekątną oznaczają błędy. Aby znaleźć konkretny błąd (np. ile psów oznaczono jako koty), znajdź skrzyżowanie wiersza "pies" i kolumny "kot".
[eduexe-source]componentId:18,slideId:2[/eduexe-source]