Eduexe Forum

czy istnieje metryka doskonała dla oceny wytrenowania uczenia maszynowego?

na przykładzie opisz jak wyglądałaby macierz pomyłek dla 3 klas

czy większy wsad oznacza lepsze wyniki?

czy da się inaczej podzielić zbiory danych niż na zbiór uczący i zbiór testowy?

a co jeśli przypadki graniczne są tak zróżnicowane że nie da się ich sensownie pogrupować? Czy to oznacza że problemu nie da się rozwiązać klasyfikacją?

Co jeśli klasa „niejednoznaczne” zaczyna być liczniejsza niż wszystkie pozostałe? Czy to oznacza że model jest wadliwy, czy że problem został źle zdefiniowany?

co jeśli trenowany model ma zbyt dużo przypadków granicznych? czy w takim momencie jest on niepoprawny?

a co dokładnie wyszukuje na zdjęciach? jakie cechy, po których może rozpoznać co znajduje się na zdjęciu?

co dokładnie analizuje na zdjęciach model podczas trenowania?

podaj konkretne przykłady zastosowania uczenia maszynowego w diagnostyce medycznej

co dokładnie oznacza system kar i nagród w przypadku uczenia przez wzmacnianie?