Topic created

]]>https://forum.eduexe.com/topic/320/conversation_by_ovhRSS for NodeThu, 13 Aug 2026 20:27:13 GMTMon, 08 Jun 2026 15:14:23 GMT60[eduexe-intent]course_content[/eduexe-intent]
F-score nie opiera się na dokładności (accuracy), ponieważ dokładność może być myląca, zwłaszcza gdy klasy w danych są znacząco niezbalansowane. W takich przypadkach model może uzyskać wysoką dokładność, błędnie klasyfikując rzadką klasę, jeśli poprawnie przewiduje większość przypadków klasy dominującej. F-score, będąc średnią harmoniczną precyzji i czułości, stanowi próbę stworzenia bardziej uniwersalnej metryki, która ocenia model bardziej obiektywnie, będąc kompromisem między tymi dwoma metrykami. [eduexe-source]22:6[/eduexe-source][eduexe-source]25:3[/eduexe-source]

]]>https://forum.eduexe.com/post/5780https://forum.eduexe.com/post/5780Mon, 08 Jun 2026 16:56:03 GMTA dlaczego opiera się na precyzji i czułości a nie na dokładności?

]]>https://forum.eduexe.com/post/5779https://forum.eduexe.com/post/5779Mon, 08 Jun 2026 16:55:53 GMT[eduexe-intent]course_content[/eduexe-intent]
F-score opiera się na precyzji (precision) i czułości (recall), ponieważ stanowi próbę stworzenia bardziej uniwersalnej metryki. Ocenia ona model bardziej obiektywnie niż każda z tych dwóch metryk z osobna, będąc kompromisem między nimi. [eduexe-source]25:1[/eduexe-source][eduexe-source]25:3[/eduexe-source]

]]>https://forum.eduexe.com/post/5778https://forum.eduexe.com/post/5778Mon, 08 Jun 2026 16:55:26 GMTDlaczego F-score opiera się na precyzji i czułości?

]]>https://forum.eduexe.com/post/5777https://forum.eduexe.com/post/5777Mon, 08 Jun 2026 16:55:21 GMT[eduexe-intent]course_content[/eduexe-intent]
F-score obliczamy jako średnią harmoniczną precyzji (precision) i czułości (recall). [eduexe-source]25:2[/eduexe-source]

]]>https://forum.eduexe.com/post/5776https://forum.eduexe.com/post/5776Mon, 08 Jun 2026 16:54:50 GMTczym jest średnia harmoniczna?

]]>https://forum.eduexe.com/post/5775https://forum.eduexe.com/post/5775Mon, 08 Jun 2026 16:54:46 GMT[eduexe-intent]other[/eduexe-intent]
Współczynnik uczenia (ang. learning rate) określa, jak duże kroki model wykonuje w kierunku poprawnego rozwiązania podczas treningu, po każdej nowej ekspozycji na dane. Zbyt niska wartość może znacznie wydłużyć proces uczenia, a zbyt wysoka może sprawić, że model będzie "przeskakiwał" optymalne rozwiązanie. [eduexe-source]16:7[/eduexe-source]

]]>https://forum.eduexe.com/post/5774https://forum.eduexe.com/post/5774Mon, 08 Jun 2026 16:29:32 GMTa czym jest tempo uczenia się?

]]>https://forum.eduexe.com/post/5773https://forum.eduexe.com/post/5773Mon, 08 Jun 2026 16:29:27 GMT[eduexe-intent]course_content[/eduexe-intent]
Pojedyncza epoka (ang. epoch) to przejście modelu w czasie treningu przez wszystkie przykłady ze zbioru uczącego (treningowego). [eduexe-source]16:3[/eduexe-source]

]]>https://forum.eduexe.com/post/5772https://forum.eduexe.com/post/5772Mon, 08 Jun 2026 16:29:19 GMTczym jest epoka?

]]>https://forum.eduexe.com/post/5771https://forum.eduexe.com/post/5771Mon, 08 Jun 2026 16:29:06 GMT[eduexe-intent]course_content[/eduexe-intent]
Problem danych spoza klas można naprawić poprzez dodanie nowej klasy dla tych danych i załadowanie do niej odpowiednich przykładów. Następnie należy ponownie wytrenować model. [eduexe-source]12:1[/eduexe-source][eduexe-source]14:4[/eduexe-source]

]]>https://forum.eduexe.com/post/5741https://forum.eduexe.com/post/5741Mon, 08 Jun 2026 15:41:38 GMTJak naprawić problem danych spoza klas?

]]>https://forum.eduexe.com/post/5740https://forum.eduexe.com/post/5740Mon, 08 Jun 2026 15:41:32 GMT[eduexe-intent]course_content[/eduexe-intent]
Problem przypadków granicznych między klasami można naprawić na dwa sposoby:

1. Znaleźć więcej podobnych przypadków granicznych i dodać je do odpowiedniej klasy.
2. Utworzyć dodatkową klasę pośrednią (np. "Niejednoznaczne") i umieścić w niej trudne przypadki graniczne. [eduexe-source]12:3[/eduexe-source][eduexe-source]14:6[/eduexe-source]

]]>https://forum.eduexe.com/post/5739https://forum.eduexe.com/post/5739Mon, 08 Jun 2026 15:40:55 GMTJak naprawić problem przypadków granicznych między klasami?

]]>https://forum.eduexe.com/post/5738https://forum.eduexe.com/post/5738Mon, 08 Jun 2026 15:40:44 GMT[eduexe-intent]course_content[/eduexe-intent]
Brak informacji w dostarczonym źródle.

]]>https://forum.eduexe.com/post/5737https://forum.eduexe.com/post/5737Mon, 08 Jun 2026 15:18:19 GMTa co to jest redukcja wymiarowości?

]]>https://forum.eduexe.com/post/5736https://forum.eduexe.com/post/5736Mon, 08 Jun 2026 15:18:14 GMT[eduexe-intent]course_content[/eduexe-intent]
Klasteryzacja to jeden z podstawowych problemów uczenia nienadzorowanego. Polega na grupowaniu danych w taki sposób, aby obiekty w tej samej grupie (klastrze) były do siebie podobne, a różniły się od obiektów z innych grup. Przykładowo, jeśli model otrzyma wymieszane zdjęcia różnych gatunków zwierząt bez podanych nazw gatunków, to w procesie klasteryzacji powinien podzielić je na grupy, gdzie każda grupa zawiera zdjęcia podobnych zwierząt (np. "grupa zdjęć A jest wyraźnie różna od grupy zdjęć B"). [eduexe-source]7:6[/eduexe-source]

]]>https://forum.eduexe.com/post/5735https://forum.eduexe.com/post/5735Mon, 08 Jun 2026 15:17:37 GMTAle co to jest klasteryzacja dokładniej?

]]>https://forum.eduexe.com/post/5734https://forum.eduexe.com/post/5734Mon, 08 Jun 2026 15:17:31 GMT[eduexe-intent]course_content[/eduexe-intent]
Klasteryzacja i redukcja wymiarowości to podstawowe problemy występujące w uczeniu nienadzorowanym. W uczeniu nienadzorowanym model sam odkrywa wzorce i zależności w danych, ponieważ nie ma dostępu do prawidłowych odpowiedzi. [eduexe-source]7:6[/eduexe-source]

]]>https://forum.eduexe.com/post/5733https://forum.eduexe.com/post/5733Mon, 08 Jun 2026 15:17:06 GMTCzym są klasteryzacja i redukcja wymiarowości?

]]>https://forum.eduexe.com/post/5732https://forum.eduexe.com/post/5732Mon, 08 Jun 2026 15:16:59 GMT[eduexe-intent]course_content[/eduexe-intent]
Uczenie nadzorowane polega na dostarczaniu modelowi danych wraz z prawidłowymi odpowiedziami (etykietami wynikowymi), na których się uczy. Natomiast w uczeniu nienadzorowanym model nie ma dostępu do prawidłowych odpowiedzi i musi sam odkrywać wzorce i zależności w danych. [eduexe-source]7:6[/eduexe-source]

]]>https://forum.eduexe.com/post/5731https://forum.eduexe.com/post/5731Mon, 08 Jun 2026 15:14:50 GMTCzym się różni uczenie nadzorowane od uczenia nienadzorowanego?

]]>https://forum.eduexe.com/post/5730https://forum.eduexe.com/post/5730Mon, 08 Jun 2026 15:14:44 GMT