Maxim Dmitrievsky #: Und wenn es nur sehr wenige Zeichen gibt, 3-5, wird es dann schön zeichnen können? Je weniger Zeichen, desto besser kann es im Test sein.
Ich denke, dass es von den Daten selbst abhängt. Wenn man die Daten in dem Beispiel nimmt, denke ich, dass es schön zeichnen kann, aber wenn man echte 100-dimensionale Daten nimmt und sie durch PCA auf z.B. zweidimensionale Daten schrumpft.
Ich weiß nicht, ob es 50/50 ist.
Es ist besser, "gutes Handeln" im Test in die Liste der Kriterien in FF aufzunehmen.
Maxim Dmitrievsky #: Und wenn es nur sehr wenige Zeichen gibt, 3-5, wird es in der Lage sein, schön zu zeichnen? Je weniger Merkmale, desto besser kann man in einem Test sein.
Das ist eine wunderbare Idee, einen Lehrer zu schaffen.
Wie würde das in der Praxis aussehen?
1. Erstellen Sie eine Reihe von Merkmalen für einen unbekannten Lehrer.
2. Wir erstellen eine Lehrkraft auf der Grundlage des Satzes von Eigenschaften.
3. Stellen Sie die Frage: Werden diese Eigenschaften in der Zukunft eine Vorhersagekraft für die erstellte Lehrkraft haben?
4. Wir überprüfen die Stabilität der Vorhersagekraft in der Zukunft. Wenn ja - Glück gehabt, aber wenn sie den Test nicht bestehen? Wie dann?
Das Problem besteht darin, dass die Lehrkraft für die Merkmale geschaffen wird, während das Gegenteil der Fall sein sollte.
mytarmailS #: Ich denke, dass es von den Daten selbst abhängt. Wenn man die Daten in dem Beispiel nimmt, denke ich, dass er schön zeichnen kann, aber wenn man echte 100-dimensionale Daten nimmt und sie zum Beispiel mit PCA auf zweidimensional schrumpft.
Ich weiß nicht, ob es 50/50 ist.
Es ist besser, "gutes Handeln" auf dem TEST in die Liste der Kriterien in FF aufzunehmen.
Nun, es lohnt sich zu graben. Ich werde meine neue Kreation bald fertigstellen, und ich werde posten, was ich habe.
Maxim Dmitrievsky #: Warum ist das ein Problem? Ich mache das schon seit langem so. Dort kann man sowohl nach Schildern als auch nach Lehrern suchen, z.B. wer es verbietet :)
Ich sehe auch kein Problem, man kann sowohl nach Merkmalen als auch nach Zielen in einem Algorithmus suchenm_COPY
aber vom rechnerischen Standpunkt aus gesehen ist das sehr ineffizient, aber das ist ein anderes Thema.
Ich bin nicht auf seine Argumentation eingegangen, er braucht sehr lange, um seinen Standpunkt darzulegen.
aber Katschyik hatte mit dem Urknall recht (nach den neuesten Beobachtungen), bei schwarzen Löchern ist es noch unklar :))
Na ja, am Ende spricht er schon über Intelligenz und Gpt sagt interessante Dinge, aber wenn man den Anfang verpasst hat, hat es keinen Sinn, sich das Ende anzuhören.
Hier vor dem Training, und er hat es danach. Also markiert er es nicht nur schön
Ganz genau.
Und wenn es nur sehr wenige Zeichen gibt, 3-5, wird es dann schön zeichnen können? Je weniger Zeichen, desto besser kann es im Test sein.
Und wenn es nur sehr wenige Zeichen gibt, 3-5, wird es in der Lage sein, schön zu zeichnen? Je weniger Merkmale, desto besser kann man in einem Test sein.
Das ist eine wunderbare Idee, einen Lehrer zu schaffen.
Wie würde das in der Praxis aussehen?
1. Erstellen Sie eine Reihe von Merkmalen für einen unbekannten Lehrer.
2. Wir erstellen eine Lehrkraft auf der Grundlage des Satzes von Eigenschaften.
3. Stellen Sie die Frage: Werden diese Eigenschaften in der Zukunft eine Vorhersagekraft für die erstellte Lehrkraft haben?
4. Wir überprüfen die Stabilität der Vorhersagekraft in der Zukunft. Wenn ja - Glück gehabt, aber wenn sie den Test nicht bestehen? Wie dann?
Das Problem besteht darin, dass die Lehrkraft für die Merkmale geschaffen wird, während das Gegenteil der Fall sein sollte.
Ich denke, dass es von den Daten selbst abhängt. Wenn man die Daten in dem Beispiel nimmt, denke ich, dass er schön zeichnen kann, aber wenn man echte 100-dimensionale Daten nimmt und sie zum Beispiel mit PCA auf zweidimensional schrumpft.
Eine wunderbare Idee, um einen Lehrer zu schaffen.
Wie würde das in der Praxis aussehen?
1. Erstellen Sie eine Reihe von Attributen für einen unbekannten Lehrer.
2. Durch die Menge der Attribute erstellen wir einen Lehrer.
3. Stellen Sie die Frage: Werden diese Attribute in der Zukunft eine Vorhersagekraft für den erstellten Lehrer haben?
4. Wir testen die Stabilität der Vorhersagefähigkeit in der Zukunft. Wenn sie das tun - Glück gehabt, aber wenn sie den Test nicht bestehen? Wie dann?
Das Problem ist, dass der Lehrer für die Eigenschaften geschaffen wird, während es eigentlich umgekehrt sein sollte.
Warum ist das ein Problem? Ich mache das schon seit langem so. Dort kann man sowohl nach Schildern als auch nach Lehrern suchen, z.B. wer es verbietet :)
Ich sehe auch kein Problem, man kann sowohl nach Merkmalen als auch nach Zielen in einem Algorithmus suchenm_COPY
aber vom rechnerischen Standpunkt aus gesehen ist das sehr ineffizient, aber das ist ein anderes Thema.
Über AI
Ich bin nicht auf seine Argumentation eingegangen, es dauert zu lange, etwas auszudrücken.
aber Katschyik hatte Recht mit dem Urknall (nach den neuesten Beobachtungen), bei schwarzen Löchern ist es noch nicht klar :)
Ich bin nicht auf seine Argumentation eingegangen, er braucht sehr lange, um seinen Standpunkt darzulegen.
aber Katschyik hatte mit dem Urknall recht (nach den neuesten Beobachtungen), bei schwarzen Löchern ist es noch unklar :))