Картинки, которые не поместились.
1. Кривая калибровки. Изначально модель была слишком "самоуверенной". Например, когда она оценивала вероятность ИИ в 85%, то по факту среди таких артистов оказывалось лишь около 50% реальных ИИ-исполнителей.
2. Количество треков в месяц по категориям. В серой зоне все ещё много контента.
Post #276
409
yet another dev Кратко и тезисно про машинное обучение для детекта ИИ-артистов - Я всё таки решил не использовать .NET для этого. У Python гораздо богаче экосистема. - В качестве модели для обучения выбрал XGBoost. - Модели требовались признаки (features). Признак — это…
- ❤ 4