Metryki Oceny Zbioru Danych (Dataset Evaluation Metrics)
Miary ilościowe służące do oceny jakości, reprezentatywności i przydatności zbioru danych do uczenia modeli AI.
Podejście 'Data-Centric AI' zakłada, że poprawa metryk zbioru danych daje lepsze rezultaty niż ciągłe dostrajanie hiperparametrów algorytmu.
graph LR
Center["Metryki Oceny Zbioru Danych (Dataset Evaluation Metrics)"]:::main
Rel_decentralized_credit_scoring_algorithms["decentralized-credit-scoring-algorithms"]:::related -.-> Center
click Rel_decentralized_credit_scoring_algorithms "/terms/decentralized-credit-scoring-algorithms"
Rel_risk_assessment["risk-assessment"]:::related -.-> Center
click Rel_risk_assessment "/terms/risk-assessment"
Rel_digital_certificate_management["digital-certificate-management"]:::related -.-> Center
click Rel_digital_certificate_management "/terms/digital-certificate-management"
classDef main fill:#7c3aed,stroke:#8b5cf6,stroke-width:2px,color:white,font-weight:bold,rx:5,ry:5;
classDef pre fill:#0f172a,stroke:#3b82f6,color:#94a3b8,rx:5,ry:5;
classDef child fill:#0f172a,stroke:#10b981,color:#94a3b8,rx:5,ry:5;
classDef related fill:#0f172a,stroke:#8b5cf6,stroke-dasharray: 5 5,color:#94a3b8,rx:5,ry:5;
linkStyle default stroke:#4b5563,stroke-width:2px;
🧒 Wyjaśnij jak 5-latkowi
Wyobraź sobie, że uczysz dziecko rozpoznawać zwierzęta z fiszek. Ocena datasetu to sprawdzenie fiszek przed nauką. Czy masz 50 psów i tylko 1 kota (nierównowaga)? Czy niektóre fiszki są puste (braki danych)? Jeśli fiszki są złe, dziecko źle się nauczy.
🤓 Expert Deep Dive
Kategorie: 1. Jakość: Współczynnik wartości pustych, kardynalność. 2. Dryf (Drift): Dywergencja KL i PSI kwantyfikują zmianę rozkładu danych na produkcji. 3. Nierównowaga klas: Wymaga technik oversamplingu jak SMOTE. 4. Dane syntetyczne: FID (Fréchet Inception Distance) ocenia, jak bardzo wygenerowane obrazy przypominają rzeczywiste rozkłady.
❓ Częste pytania
What is the difference between dataset metrics and model metrics?
Dataset metrics evaluate the raw data before training (e.g., checking for missing values or class imbalance). Model metrics evaluate the AI's performance after training (e.g., checking its accuracy or error rate).
What is 'data leakage' in machine learning?
Data leakage happens when the dataset accidentally includes clues about the answer that won't be available in the real world. For example, predicting if a patient has cancer, but including their 'chemotherapy' medical code in the training data.
How do you measure if a dataset has changed over time?
Data scientists use metrics like KL Divergence or Population Stability Index (PSI) to compare the original training dataset with new, real-world data to see if the statistical distribution has 'drifted'.