A.4 · למידת מכונה

מיקוד HL נתמך. מטרה הראשונה 2027; החזרות PDF רשמיות 403; בקשה שנרכשה ישנה היא ההערכה הסופית 2026. הדגם, ההערכה והדרישות המעשיות הנותרות שומרות על החזקות המוקלטות שלהן.

תנאי הכנה: קרא את הכמויות והיחידות הנ stated, השתמש באריתמטיקה ובתנאי המודל למטה. כל שיעור מפתח את השיטה שלו לפני העברה עצמאית.

אלו הם דוגמאות הוראה מקוריות או בדיוניות במפורש, לא מדידות אמיתיות או בדיקות למידה שנבדקו והושלמו.

מה would explain this observation?

• דגם יכול לצבור ציון גבוה על ידי למידת קיצור דרך בנתוני האימון. ההערכה חייבת לבדוק את המשימה הרצונית בדוגמאות חדשות ולא נראות מתאימות.
• התחל בחזית. ציין את הכמותות או התכונות שת срав, ואז החלט איזה עדות יכולה להבדיל בין שתי הסברות.

בנה את המודל

• מסד נתונים יחסי משתמש בטבלאות, מפתחות וקשרים כדי לארגן נתונים. למידת מכונה מעריכה דפוסים מהנתונים. נתוני אימוץ והערכה משמשים תפקידים שונים.
• מפתח ראשי: קבוע מאפיינים המזהה באופן ייחודי רשומה; דליפת נתונים: שימוש במידע שאינו היה זמין בזמן החיזוי המתוכנן.

בחר עדויות שיכולות לבחון אותו

• מפתח ראשי מזהה באופן ייחודי רשומה; מפתח זר מקשר רשומות. בחיזוי, דליפה עלולה לחשוף מידע שאינו זמין בזמן קבלת החלטות אמיתי. דיוק בלבד עלול להסתיר חלוקת מטרה מאוזנת.
• השתמש ברשומות הזמנה בדיוניות כדי לזהותloatities, מאפיינים וקשרים. לתרגיל לימודי, השתמש במאגר נתונים ציבורי לא רגיש, הפרד נתוני אימוץ ובדיקה, ותיאור מי עלול להושפע שגיאות. היקף המטרה הנוכחית 2027 CS מחכה למדריך הנרכש.

עבוד מכמויות ידועות

• ציין את הערכים הידועים ואת יחידות המידה שלהם. בחר בקשר מכיוון שההנחות שלו מתאימות למקרה זה, ולאחר מכן סדר מחדש לפני ההצבה.
• ידוע: מחלק עושה 90 חיזויים נכונים מתוך 100 מקרים. דיוק = נכון/סה"כ×100 = 90%. אם 90 מקרים שייכים לכיתה אחת, חיזוי מתמיד של כיתה זו נותן אותו דיוק ועדיין יכול לכשל בכל מקרה של כיתת מיעוט.

דוגמה:

מודל מבצע 72 חיזויים נכונים מתוך 80. מצא את אחוז הדיוק. השתמש באותה רצף: כמות ידועה → מודל → קשר → הצבה → יחידה ופרשנות.

בדוק את המסקנה ואת הגבולות שלה

• דיוק גבוה אינו עדות לשוויון או להבנה סיבתית. מפתח ראשי במסד נתונים אינו פשוט השדה שנראה חשוב.
• חזור לתצפית המקורית. הסבר מה התוצאה תומכת, אילו תנאים היא מניחה, ודרך אחת לבדוק הסבר מתחרה.

אזהרה:

מדגדג עם דיוק של 90% חייב להתנהג בצורה שווה לכל קטגוריה. טענה זו שגויה: דיוק גבוה אינו עדות לצדק או להבנה סיבתית. מפתח ראשי במסד נתונים אינו פשוט השדה שנראה חשוב.

מפת מושגים:

מודלי נתונים והתחלת מכונה אחראית: מפתח ראשי מזהה באופן ייחודי רשומה; מפתח זר מקשר רשומות. בחיזוי, דליפה יכולה לחשוף מידע שלא היה זמין בזמן ההחלטה האמיתי. דיוק בלבד עלול להסתיר חלוקה לא מאוזנת של יעד.

מעקב וגבול ניתנים לביצוע

tp, fn, fp, tn = 4, 1, 10, 85
total = tp + fn + fp + tn
accuracy = (tp + tn) / total
recall = tp / (tp + fn) if tp + fn else None
print(accuracy, recall)
positives = 0
print(0 / positives if positives else "UNDEFINED")

תוצאה צפויה:

0.89 0.8
UNDEFINED

דיוק מחלק תחזיות נכונות לכל המקרים; זיכרון חיובי מחלק חיובים אמיתיים בחיובים בפועל. ללא מקרים חיוביים, הזיכרון אינו מוגדר ולא אפס. הנתונים הם בדיוניים, ללא מודל מאומן או נתונים אישיים.