Podczas tej lekcji dowiesz się, jak debugować rzeczywisty problem ML* związany z prognozacją nowotworów.
Przykład z życia: prognoza onkologiczna
Przykład z życia: prognoza onkologiczna
- Wytrenowano model w celu prognozowania &prawdopodobieństwa pacjenta z rakiem na podstawie dokumentacji medycznej
Przykład z życia: prognoza onkologiczna
- Wytrenowano model w celu prognozowania &prawdopodobieństwa pacjenta z rakiem na podstawie dokumentacji medycznej
- Obejmuje informacje o wieku i płci pacjenta, dotychczasowej stanie zdrowia, nazwie szpitala, oznakach życiowych, wynikach testów.
Przykład z życia: prognoza onkologiczna
- Wytrenowano model w celu prognozowania &prawdopodobieństwa pacjenta z rakiem na podstawie dokumentacji medycznej
- Obejmuje informacje o wieku i płci pacjenta, dotychczasowej stanie zdrowia, nazwie szpitala, oznakach życiowych, wynikach testów.
- Model zapewnia doskonałą skuteczność na wstrzymanych danych testowych
Przykład z życia: prognoza onkologiczna
- Wytrenowano model w celu prognozowania &prawdopodobieństwa pacjenta z rakiem na podstawie dokumentacji medycznej
- Obejmuje informacje o wieku i płci pacjenta, dotychczasowej stanie zdrowia, nazwie szpitala, oznakach życiowych, wynikach testów.
- Model zapewnia doskonałą skuteczność na wstrzymanych danych testowych
- Model był gorszy dla nowych pacjentów. Dlaczego?
Przykład z życia: prognoza onkologiczna
Dlaczego uważasz, że model nie osiągnął dobrych wyników w przypadku nowych pacjentów? Sprawdź, czy możesz rozwiązać problem, a następnie kliknij przycisk Zagraj poniżej ▶, żeby sprawdzić, czy wszystko jest prawidłowe.
* Ten moduł opieraliśmy się bardzo luźno (wprowadzaliśmy pewne modyfikacje) " Wydobycie danych: tworzenie, wykrywanie i unikanie; autorstwa Kaufmana, Rosseta i Perlicha.