[eduexe-intent]course_content[/eduexe-intent]
W aktualnej części kursu omówiono kluczowe pojęcia:
Zbiór uczący: Dane do nauki modelu.
Zbiór testowy: Dane do weryfikacji skuteczności modelu.
Epoka: Jedno przejście przez cały zbiór uczący.
Wsad: Porcja danych przetwarzana jednocześnie.
Współczynnik uczenia: Określa wielkość korekty błędów.
Funkcja straty: Mierzy błąd modelu; dążymy do minimalizacji.
Przeuczenie: Model za dobrze dopasowany do danych uczących, słabo do nowych.
Niedouczenie: Model za prosty lub za mało wytrenowany.
Macierz pomyłek: Tabela pokazująca poprawne i błędne klasyfikacje.
[eduexe-source]20:1[/eduexe-source]