update0
This commit is contained in:
@@ -1,4 +0,0 @@
|
||||
Automated Essay Scoring scheint eine Teilgebiet zu sein, welches noch eine Menge arbeit erfordert und dementsprechend möglicherweise nicht all zu anfassbar zu sein scheint.
|
||||
|
||||
KI könnte hier zwar helfen, aber das hinzufügen einer Blackbox kann zu unerwünschten Nebeneffekte führen (schwere Nachvollziehbarkeit, mögliche Beeinflussung durch übergebene Texte).
|
||||
|
||||
2
Themen/Recherche/Evaluationsmethoden/Precision@2.md
Normal file
2
Themen/Recherche/Evaluationsmethoden/Precision@2.md
Normal file
@@ -0,0 +1,2 @@
|
||||
Teilmenge von Token-F1
|
||||
**Beurteilung eines binären Klassifikators**
|
||||
4
Themen/Recherche/Evaluationsmethoden/ROUGE-L.md
Normal file
4
Themen/Recherche/Evaluationsmethoden/ROUGE-L.md
Normal file
@@ -0,0 +1,4 @@
|
||||
**Recall-Oriented Understudy for Gisting Evaluation**
|
||||
Vergleicht ein Produkt gegen Referenzmaterialien und deckt mitunter n-grams automatisch.
|
||||
|
||||
Wertemengel zwischen 0 und 1, 1 stehend für eine höhere Similarität zum Referenzmaterial.
|
||||
2
Themen/Recherche/Evaluationsmethoden/Span-IoU.md
Normal file
2
Themen/Recherche/Evaluationsmethoden/Span-IoU.md
Normal file
@@ -0,0 +1,2 @@
|
||||
Informationsextraktion, wurden die korrekten Daten extrahiert?
|
||||
Dies steht in direktem Bezug zur korrekten Datenextraktion durch ein LLM-System
|
||||
17
Themen/Recherche/Evaluationsmethoden/Token-F1.md
Normal file
17
Themen/Recherche/Evaluationsmethoden/Token-F1.md
Normal file
@@ -0,0 +1,17 @@
|
||||
Klassifikator ist selber ebenfalls fehleranfällig und kann in manchen Fällen ein Objekt einer falschen Klasse zuweisen.
|
||||
|
||||
# Sensitivität/Richtig-positiv-Rate
|
||||
Auch Empfindlichkeit oder Trefferquote gibt Wahrsch. mit der ein Objekt korrekt als positiv klassifiziert wird.
|
||||
|
||||
# Falsch-negativ-Rate
|
||||
Fälschlich als negativ klassifizierte Objekte
|
||||
|
||||
# Spezifität
|
||||
Richtig-negativ-Rate gibt die Wahrscheinlichkeit mit der ein negatives Objekt korrekt als negativ kassifiziert wird.
|
||||
|
||||
# Falsch-positive-Rate
|
||||
Auch Ausfallrate, gibt den Anteil der fälschlich als positiv klassifizierten Objekte an, die in Wirklichkeit negativ sind.
|
||||
|
||||
# Zusammenfassung
|
||||
Wir sehen hier eine relation zwischen Sensitivität und Spezifität, ein Ausgleich sollte beim Trainingsprozess ermittelt werden.
|
||||
![https://de.wikipedia.org/wiki/Beurteilung_eines_bin%C3%A4ren_Klassifikators#Kombinierte_Ma%C3%9Fe]()
|
||||
3
Themen/Recherche/Evaluationsmethoden/n-gram Overlap.md
Normal file
3
Themen/Recherche/Evaluationsmethoden/n-gram Overlap.md
Normal file
@@ -0,0 +1,3 @@
|
||||
Vorhersagen der nächsten Wörter einstimmig? Grundlegende Grammatik der Programmiersprache wirde hier möglicherweise getestet.
|
||||
|
||||
![https://fr.wikipedia.org/wiki/N-gramme]()
|
||||
@@ -1,7 +0,0 @@
|
||||
---
|
||||
tags:
|
||||
- Grammatik
|
||||
- NLTK
|
||||
- NLP
|
||||
---
|
||||
Zur Überprüfung der Grammatik kann von #NLTK folgendes aus der Dokumentation verwendet werden: [nltk.grammar](https://www.nltk.org/api/nltk.grammar.html)
|
||||
2
Themen/Recherche/MCP.md
Normal file
2
Themen/Recherche/MCP.md
Normal file
@@ -0,0 +1,2 @@
|
||||
|
||||
https://github.com/QuixiAI/dolphin-mcp/tree/main
|
||||
@@ -1,2 +0,0 @@
|
||||
|
||||
Das Modul #NLTK kann für #NLP verwendet werden.
|
||||
Reference in New Issue
Block a user