ACTIVITAT 2.2: GAT O GOS? II

En aquesta activitat hem d'avaluar i intentar millorar el nostre model. Fes clic a la configuració avançada i a "under de hood" per veure les mètriques de l'entrenament. Cal tenir en compte que Teachable Machine divideix automàticament les nostres dades (imatges) en dos conjunts: un d'entrenament (amb el 85%) de les dades i un de test (amb el 15%). A les mètriques podem veure:

• La precisió (accuracy) de cada classe.

• La matriu de confusió

• L'evolució de la precisió a cada època: Hi ha dues corbes la d'entrenament i la de test.

• L'evolució de les pèrdues a cada època: Hi ha dues corbes la d'entrenament i la de test.

La precisió i les pèrdues són dues mètriques importants per avaluar el rendiment del model, però mesuren coses diferents:

• L'accuracy o precisió és la proporció de prediccions correctes que el model fa respecte al total de prediccions. Es calcula com a la relació entre el nombre de prediccions correctes i el nombre total de prediccions. Per exemple, si el model fa 900 prediccions correctes de 1000, llavors la precisió seria del 90%. L'accuracy és una mètrica que indica quan bé el model classifica les dades.

• La pèrdua o loss és una mètrica que mesura com de bé el model està ajustant-se a les dades. La pèrdua és un valor numèric que indica la diferència entre les prediccions del model i les etiquetes correctes de les dades d'entrenament. El model intenta minimitzar la pèrdua mentre es va entrenant. Si la pèrdua és baixa, llavors el model està fent prediccions més precisos i es considera que està ajustant-se bé a les dades.

Per altra banda, la matriu de confusió mostra la relació entre les prediccions del model i les etiquetes correctes de les dades. En una matriu de confusió, les columnes representen les prediccions del model, i les files representen les etiquetes correctes de les dades. Així, la diagonal principal de la matriu indica el nombre de prediccions correctes per cada classe, mentre que les altres entrades de la matriu indiquen les prediccions incorrectes.

Com creus que es podrien millorar els resultats del model? Potser amb més entrenament?

• Prova d'entrenar més el model (p.ex. 1000 èpoques). Han millorat les mètriques? I els resultats? Què creus que passa?

• Què més podries fer per millorar el model? Prova-ho!!