Skip to content
  • Categories
  • Recent
  • Tags
  • Popular
  • World
  • Users
  • Groups
Skins
  • Light
  • Cerulean
  • Cosmo
  • Flatly
  • Journal
  • Litera
  • Lumen
  • Lux
  • Materia
  • Minty
  • Morph
  • Pulse
  • Sandstone
  • Simplex
  • Sketchy
  • Spacelab
  • United
  • Yeti
  • Zephyr
  • Dark
  • Cyborg
  • Darkly
  • Quartz
  • Slate
  • Solar
  • Superhero
  • Vapor

  • Default (No Skin)
  • No Skin
Collapse

Eduexe Forum

  1. Home
  2. Wstęp do uczenia maszynowego_2d4990663f722666
  3. conversation_by_8kp

conversation_by_8kp

Scheduled Pinned Locked Moved Wstęp do uczenia maszynowego_2d4990663f722666
8kp2d4990663f722666wstęp do uczenia maszynowego
17 Posts 3 Posters 17 Views
  • Oldest to Newest
  • Newest to Oldest
  • Most Votes
Reply
  • Reply as topic
Log in to reply
This topic has been deleted. Only users with topic management privileges can see it.
  • E Online
    E Online
    eduexe.admin
    wrote on last edited by
    #1

    Topic created

    1 Reply Last reply
    0
    • S Offline
      S Offline
      student_905_8kp
      wrote on last edited by
      #2

      co to sztuczna inteligencja?

      B 1 Reply Last reply
      0
      • S student_905_8kp

        co to sztuczna inteligencja?

        B Offline
        B Offline
        bot_external
        wrote on last edited by
        #3

        Odpowiedź na to pytanie znajduje się w pierwszym fragmencie tekstu. Sztuczna inteligencja syntetyczna (SI) to alternatywne określenie dla sztucznej inteligencji, które podkreśla, że inteligencja maszyn nie musi być imitacją ani w żaden sposób sztuczna; może być prawdziwą formą inteligencji.

        1 Reply Last reply
        1
        • S Offline
          S Offline
          student_905_8kp
          wrote on last edited by
          #4

          co to Uczenie Maszynowe?

          B 1 Reply Last reply
          0
          • S student_905_8kp

            co to Uczenie Maszynowe?

            B Offline
            B Offline
            bot_external
            wrote on last edited by
            #5

            Odpowiedź na to pytanie znajduje się w pierwszym fragmencie tekstu. Uczenie Maszynowe (UM) to dziedzina Sztucznej Inteligencji (SI) koncentrująca się na rozwijaniu algorytmów automatycznie poprawiających się poprzez doświadczenie, czyli ekspozycję na dane. Algorytmy te na podstawie dostarczonych im danych budują model matematyczny, który potrafi podejmować decyzje czy prognozować rezultaty bez potrzeby bycia wprost zaprogramowanym do danego celu przez człowieka.

            1 Reply Last reply
            1
            • S Offline
              S Offline
              student_905_8kp
              wrote on last edited by
              #6

              jak poradzic z problemem nierówna liczebność klas?

              B 1 Reply Last reply
              0
              • S student_905_8kp

                jak poradzic z problemem nierówna liczebność klas?

                B Offline
                B Offline
                bot_external
                wrote on last edited by
                #7

                Odpowiedź na to pytanie znajduje się w drugim fragmencie tekstu. W przypadku nierówna liczebności klas, model może zignorować klasę mniej liczną i automatycznie przypisać wszystkie przykłady do klasy dominującej, osiągając wysoką dokładność, ale nie spełniając swojego głównego zadania.

                Aby temu zaradzić, należy uzupełnić klasę mniej liczną o zawartość katalogu tej klasy, następnie ponownie wytrenować model i ponownie wgrać przykład do sekcji "Podgląd".

                1 Reply Last reply
                0
                • S Offline
                  S Offline
                  student_905_8kp
                  wrote on last edited by
                  #8

                  jak poradzic z problemem dane spoza klas?

                  B 1 Reply Last reply
                  0
                  • S student_905_8kp

                    jak poradzic z problemem dane spoza klas?

                    B Offline
                    B Offline
                    bot_external
                    wrote on last edited by
                    #9

                    Odpowiedź na to pytanie znajduje się w trzecim fragmencie tekstu. W przypadku problemu danych spoza klas, model może zignorować te dane i automatycznie przypisać wszystkie przykłady do klasy dominującej, osiągając wysoką dokładność, ale nie spełniając swojego głównego zadania.

                    W tym przypadku, nie ma w tekście proponowanych rozwiązań, aby temu zaradzić.

                    1 Reply Last reply
                    1
                    • S Offline
                      S Offline
                      student_905_8kp
                      wrote on last edited by
                      #10

                      czym jest Zbiór uczący?

                      B 1 Reply Last reply
                      0
                      • S student_905_8kp

                        czym jest Zbiór uczący?

                        B Offline
                        B Offline
                        bot_external
                        wrote on last edited by
                        #11

                        Zbiór uczący (inaczej treningowy, ang. train set) - to dane, dla których model zna poprawne odpowiedzi i na których jest trenowany.

                        1 Reply Last reply
                        1
                        • S Offline
                          S Offline
                          student_905_8kp
                          wrote on last edited by
                          #12

                          czym jest Zbiór testowy?

                          B 1 Reply Last reply
                          0
                          • S student_905_8kp

                            czym jest Zbiór testowy?

                            B Offline
                            B Offline
                            bot_external
                            wrote on last edited by
                            #13

                            Zbiór testowy (ang. test set) to dane, z którymi model nie miał do czynienia w procesie uczenia się i nie zna dla nich poprawnych odpowiedzi, wykorzystywane do przetestowania, jak dobrze model jest wytrenowany.

                            1 Reply Last reply
                            1
                            • S Offline
                              S Offline
                              student_905_8kp
                              wrote on last edited by
                              #14

                              Czym są metryki?

                              B 1 Reply Last reply
                              0
                              • S student_905_8kp

                                Czym są metryki?

                                B Offline
                                B Offline
                                bot_external
                                wrote on last edited by
                                #15

                                Metryki to miary jakości modelu Uczenia Maszynowego, które umożliwiają porównywanie modeli między sobą.

                                1 Reply Last reply
                                1
                                • S Offline
                                  S Offline
                                  student_905_8kp
                                  wrote on last edited by
                                  #16

                                  co to macierz pomyłek?

                                  B 1 Reply Last reply
                                  0
                                  • S student_905_8kp

                                    co to macierz pomyłek?

                                    B Offline
                                    B Offline
                                    bot_external
                                    wrote on last edited by
                                    #17

                                    Macierz pomyłek (ang. confusion matrix) to tabela z dwoma wierszami i dwiema kolumnami, która przedstawia liczbę wyników prawdziwie pozytywnych, fałszywie negatywnych, fałszywie pozytywnych i prawdziwie negatywnych. Umożliwia to bardziej szczegółową analizę niż prosta obserwacja proporcji poprawnych klasyfikacji (dokładności).

                                    1 Reply Last reply
                                    1
                                    Reply
                                    • Reply as topic
                                    Log in to reply
                                    • Oldest to Newest
                                    • Newest to Oldest
                                    • Most Votes


                                    • Login

                                    • Don't have an account? Register

                                    Powered by NodeBB Contributors
                                    • First post
                                      Last post
                                    0
                                    • Categories
                                    • Recent
                                    • Tags
                                    • Popular
                                    • World
                                    • Users
                                    • Groups