Телеграмм чат группы mlbootcamp страница 14308

Т.е. исходные данные с большой погрешностью? И результат анализа значит тоже будет не с меньшей погрешностью. И каким образом люди набирают тогда 96%, по мне на этом OBSCENITY погрешность процентов 15-20

источник

22:07пожаловаться #7

u

ud1 in ML Boot Camp Official

Или в этой погрешности есть какая-то скрытая зависимость, которую тоже надо выявлять?

источник

22:08пожаловаться #8

SМ

SancheZz Мов in ML Boot Camp Official

Ты по сути дистиллируешь

источник

22:08пожаловаться #9

SМ

SancheZz Мов in ML Boot Camp Official

Модель цензора

источник

22:09пожаловаться #10

SМ

SancheZz Мов in ML Boot Camp Official

Только у тебя не логиты и пробиты а лейблы

источник

22:09пожаловаться #11

u

ud1 in ML Boot Camp Official

Т.е. эти лейблы поставлены были не обученными людьми, а машина каким-то алгоритмом? И надо фактически самому приблизится к этому алгоритму, даже не смотря на то, что он не оптимальный? Т.е. если нормальный человек увидет в предложении obscenity, а их алгоритм нет, то надо чтоб твой алгоритм научился тоже выдавать нет?

источник

22:11пожаловаться #12

AT

Alexey Tikhonov in ML Boot Camp Official

ud1

Т.е. эти лейблы поставлены были не обученными людьми, а машина каким-то алгоритмом? И надо фактически самому приблизится к этому алгоритму, даже не смотря на то, что он не оптимальный? Т.е. если нормальный человек увидет в предложении obscenity, а их алгоритм нет, то надо чтоб твой алгоритм научился тоже выдавать нет?

Видимо да

источник

22:26пожаловаться #13

AT

Alexey Tikhonov in ML Boot Camp Official

И в идеале думаю 100% тут достижимо

источник

22:26пожаловаться #14

AT

Alexey Tikhonov in ML Boot Camp Official

Раз кто то (модель) так сделал, значит и вы можете

источник