Εκτιμήσεις γεύματος και φωτογραφίας
Μάθε τι μπορεί να αποκαλύψει μια περιγραφή ή μια εικόνα φαγητού, τι παραμένει αόρατο και ποιες λεπτομέρειες κάνουν μια κατά προσέγγιση καταγραφή γεύματος πιο χρήσιμη.
Διάβασε τη μέθοδο γεύματος →Μέθοδοι
Μάθε τι περιλαμβάνει μια εκτίμηση.
Κάποιες καταχωρήσεις στο προσωπικό σου ημερολόγιο ευεξίας προέρχονται απευθείας από αυτά που αναφέρεις. Άλλες περιλαμβάνουν εκτιμήσεις AI, βασισμένες σε τύπους ή συνδεδεμένες πηγές. Αυτές οι σελίδες σου δείχνουν ποια είναι ποια.
Κάθε μέθοδος ονομάζει τα δεδομένα εισόδου, τη σειρά πηγής, τα δεδομένα που λείπουν και τα όρια που μπορούν να επηρεάσουν το αποτέλεσμα.
Επισκόπηση μεθόδων · Περίπου 3 λεπτά ανάγνωση
Δεδομένα εισόδου, σειρά πηγής, δεδομένα που λείπουν και όρια
Εξηγούμε τις πληροφορίες που μπορούν να αλλάξουν ουσιαστικά μια ορατή εκτίμηση, ώστε να αποφασίσεις πόση βαρύτητα να της δώσεις.
Τρέχουσες εξηγήσεις
Δύο συνηθισμένες εκτιμήσεις, δύο διαφορετικά προβλήματα.
Η διατροφή γεύματος ξεκινά με αβέβαιες πληροφορίες για το φαγητό και τη μερίδα. Η ημερήσια δαπάνη ξεκινά με εκτίμηση από wearable ή με εξίσωση πληθυσμού. Και οι δύο απαιτούν προσεκτικές ετικέτες και έλεγχο.
Ημερήσια ενεργειακή δαπάνη
Δες την προτεραιότητα πηγής WHOOP, την εφεδρική μέθοδο Mifflin–St Jeor, τους παράγοντες δραστηριότητας, ένα παράδειγμα υπολογισμού και τους κανόνες κάλυψης περιόδου.
Διάβασε τη μέθοδο ενέργειας →Αλλαγές μεθόδου
Κάθε αναλυτική μέθοδος περιλαμβάνει έκδοση και ημερομηνία ελέγχου, ώστε να εντοπίζονται πιο εύκολα οι ουσιαστικές αλλαγές σε έναν ορατό υπολογισμό.
Κοινοί κανόνες
Τι πρέπει να σου λένε οι διαφανείς εκτιμήσεις.
Οι λεπτομέρειες διαφέρουν ανά λειτουργία, αλλά οι ερωτήσεις παραμένουν ίδιες.
01Τι μπήκε;
Στοιχεία χρήστη, μια εικόνα, μια τιμή προφίλ ή συνδεδεμένα δεδομένα.
02Τι προηγήθηκε;
Ο κανόνας προτεραιότητας πηγής που χρησιμοποιείται όταν υπάρχουν πολλές τιμές.
03Τι έλειπε;
Η μέθοδος δηλώνει αν οι ελλιπείς τιμές εξαιρούνται, δεν είναι διαθέσιμες ή ενσωματώνονται σε ένα εμφανιζόμενο σύνολο.
04Τι μπορεί να πάει λάθος;
Ατομικό σφάλμα, ελλιπής εισαγωγή και μη υποστηριζόμενες περιπτώσεις χρήσης.
Ένα σκόπιμο όριο
Ένας τύπος δεν είναι μέτρηση.
Οι δημοσιευμένες εξισώσεις μπορεί να είναι χρήσιμες για γενικό πλαίσιο, ενώ ταυτόχρονα είναι ουσιαστικά λανθασμένες για ένα άτομο. Οι τιμές από συνδεδεμένες wearable συσκευές είναι επίσης εκτιμήσεις βάσει μοντέλου.
Έλεγχος από τον χρήστη
Η διόρθωση ανήκει στη ροή εργασίας.
Η τεχνητή νοημοσύνη μπορεί να παρερμηνεύσει τρόφιμα, ποσότητες και καθημερινή γλώσσα. Όταν μια τιμή έχει σημασία, έλεγξε την πηγή, πρόσθεσε περισσότερες λεπτομέρειες και διόρθωσε την αποθηκευμένη καταγραφή.
Χρησιμοποίησε τις εκτιμήσεις με τα όριά τους.
Διάβασε τη μέθοδο, έλεγξε την κάλυψη και αντιμετώπισε το αποτέλεσμα ως πλαίσιο—όχι ως βεβαιότητα.