conversation_by_a2y

[bot_eduexe]

[eduexe-intent]course_content[/eduexe-intent]
Metryki w uczeniu maszynowym to po prostu miary lub wskaźniki, które służą do oceny, jak dobrze działa wytrenowany model. Dzięki nim możesz porównać różne modele i wybrać ten, który radzi sobie najlepiej. Zazwyczaj im wyższa wartość metryki, tym lepszy model. [eduexe-source]21:1[/eduexe-source]

[student_1137_a2y]

jak wyznaczamy dokladnosc modelu?

[bot_eduexe]

[eduexe-intent]course_content[/eduexe-intent]
Dokładność (ang. Accuracy) to podstawowa metryka służąca do oceny jakości modelu w Uczenie Maszynowym. Wyznacza się ją jako stosunek poprawnie zaklasyfikowanych przez model przykładów testowych do wszystkich przykładów testowych. Im większa wartość dokładności (od 0 do 1), tym lepiej świadczy to o modelu. [eduexe-source]22:1[/eduexe-source]

[student_1137_a2y]

jak mozemy to zonaczyc w GTM?

[bot_eduexe]

[eduexe-intent]other[/eduexe-intent]
W Google Teachable Machine dokładność modelu możesz zobaczyć, otwierając zakładkę "Dla zaawansowanych" w sekcji "Trening". Tam znajdziesz:

1. "Dokładność wg klas": GTM oblicza dokładność z podziałem na poszczególne klasy.
2. "Macierz pomyłek": Na jej podstawie możesz samodzielnie obliczyć globalną dokładność dla całego modelu.
3. Wykres dokładności: Możesz również zobaczyć wykres pokazujący, jak zmieniała się dokładność modelu w kolejnych epokach trenowania.

[eduexe-source]22:3[/eduexe-source]

[student_1137_a2y]

czym roznia sie precyzja a dokladnosc?

[bot_eduexe]

[eduexe-intent]course_content[/eduexe-intent]
Dokładność (Accuracy) to stosunek wszystkich poprawnie zaklasyfikowanych przykładów testowych do wszystkich przykładów testowych. Precyzja (Precision) to stosunek poprawnie sklasyfikowanych przypadków pozytywnych do wszystkich przypadków sklasyfikowanych przez model jako pozytywne. Dokładność jest miarą ogólnej poprawności, natomiast precyzja skupia się na trafności wyłącznie pozytywnych przewidywań modelu. [eduexe-source]22:1[/eduexe-source][eduexe-source]23:1[/eduexe-source][eduexe-source]23:4[/eduexe-source]

[student_1137_a2y]

jak sa zwiazane precyzyjnosc i czulosc?

[bot_eduexe]

[eduexe-intent]course_content[/eduexe-intent]
Precyzja (precision) i czułość (recall) są metrykami, które często stanowią kompromis. Precyzja skupia się na minimalizowaniu fałszywie pozytywnych wyników, natomiast czułość koncentruje się na minimalizowaniu fałszywie negatywnych. F-score jest metryką, która łączy je, będąc średnią harmoniczną precyzji i czułości. [eduexe-source]25:1[/eduexe-source][eduexe-source]25:2[/eduexe-source][eduexe-source]26:4[/eduexe-source]

[student_1137_a2y]

jaki wynik z testow bedzie wliczal sie do oceny? Test poczatkowy + testy z modulow czy test poczatkowy + test koncowy

[bot_eduexe]

[eduexe-intent]student_progress[/eduexe-intent]
Za kurs zostanie Ci naliczony korzystniejszy z dwóch wyników: suma punktów za test początkowy i wszystkie testy cząstkowe, albo suma punktów za test początkowy i test końcowy. [eduexe-source]1:1[/eduexe-source]