Schätzungen aus Beschreibung und Foto
Erfahre, was eine Beschreibung oder ein Bild zeigen kann, was unsichtbar bleibt und welche Angaben einen ungefähren Mahlzeiten-Eintrag nützlicher machen.
Die Mahlzeiten-Methode lesen →Berechnungsmethoden
Manche Einträge in deinem persönlichen Wellness-Tagebuch kommen direkt aus dem, was du meldest. Andere enthalten Schätzungen aus KI, aus Formeln oder aus verbundenen Quellen. Diese Seiten zeigen dir, was wovon ist.
Jede Methode nennt die Eingaben, die Reihenfolge der Quellen, fehlende Daten und die Grenzen, die das Ergebnis beeinflussen können.
Eingaben, Reihenfolge der Quellen, fehlende Daten und Grenzen
Wir erklären die Angaben, die eine sichtbare Schätzung deutlich verändern können, damit du entscheiden kannst, wie viel Gewicht du ihr gibst.
Aktuelle Erklärungen
Die Nährwerte einer Mahlzeit beginnen mit unsicheren Angaben zu Lebensmitteln und Portionen. Der Tagesverbrauch beginnt mit einer vom Wearable gemeldeten Schätzung oder einer Bevölkerungsgleichung. Beide brauchen sorgfältige Kennzeichnung und Prüfung.
Erfahre, was eine Beschreibung oder ein Bild zeigen kann, was unsichtbar bleibt und welche Angaben einen ungefähren Mahlzeiten-Eintrag nützlicher machen.
Die Mahlzeiten-Methode lesen →Sieh dir den Vorrang der WHOOP-Quelle, den Mifflin-St-Jeor-Rückfall, die Aktivitätsfaktoren, ein durchgerechnetes Beispiel und die Regeln zur Abdeckung eines Zeitraums an.
Die Energiemethode lesen →Jede ausführliche Methode trägt einen Stand und ein Prüfdatum, damit sich bedeutsame Änderungen an einer sichtbaren Berechnung leichter finden lassen.
Gemeinsame Regeln
Die Details unterscheiden sich je nach Funktion, die Fragen bleiben dieselben.
Deine Angaben, ein Bild, ein Profilwert oder verbundene Daten.
Die Vorrangregel, die gilt, wenn mehrere Werte vorliegen.
Die Methode sagt, ob fehlende Werte ausgeschlossen, nicht verfügbar oder in eine angezeigte Summe eingerechnet werden.
Individuelle Abweichung, unvollständige Eingaben und nicht unterstützte Anwendungsfälle.
Eine bewusste Grenze
Veröffentlichte Gleichungen können als allgemeiner Kontext nützlich und für eine einzelne Person trotzdem deutlich falsch sein. Auch verbundene Wearable-Werte sind modellbasierte Schätzungen.
Prüfung durch dich
Die KI kann Lebensmittel, Mengen und normale Sprache missverstehen. Wenn ein Wert zählt, prüf die Quelle, ergänze Details und korrigier den gespeicherten Eintrag.
Lies die Methode, prüf die Abdeckung und behandle das Ergebnis als Kontext — nicht als Gewissheit.