Depois de atribuir alguns rótulos, você está pronto para executar previsões.
Executando previsões
Para começar, clique em "Executar previsões".
Logo depois, uma série de tiles aparecerá na janela de Previsões. Esses são tiles que são mais semelhantes aos tiles rotulados positivamente. No mapa, eles aparecerão com um contorno roxo, claramente distinto do contorno azul (dos tiles rotulados manualmente).
Após executar sua primeira previsão, você pode clicar no botão "Config" para alterar o número de previsões geradas.
Filtrar por confiança
Quando você gerar algumas previsões, nosso algoritmo terá mais confiança em algumas correspondências do que em outras, dentro do número de previsões desejado. À medida que você arrasta o controle deslizante para a direita, o filtro de confiança aumentará e o número de tiles exibidos diminuirá. Serão mostrados tiles que nosso algoritmo tem mais confiança serem correspondências, em vez de todas as 500 previsões, por exemplo. Experimente arrastar o controle para ajustar o nível de confiança!
Como você pode ver, o número de tiles previstos diminuiu para 42. Devido a tiles próximos aos já rotulados serem bastante semelhantes, esperamos que eles permaneçam, especialmente ao filtrar por maior confiança. Atualizando previsões
Depois de adicionar rótulos positivos ou negativos adicionais, seja a partir de tiles previstos ou de outras observações, você deve atualizar as previsões geradas. Como este é um processo de tentativa e erro, ser iterativo adicionando mais alguns rótulos e atualizando as previsões é necessário e eficiente!
Para atualizar, clique no botão "Atualizar" na janela de Previsão.
Assista a este vídeo para aprender como executar previsões:
Como isso funciona?
Cada tile é representado por embeddings produzidos pelo modelo base. Quando você seleciona um conjunto de tiles que são semelhantes, buscamos por todos os tiles desta região para encontrar tiles com embeddings semelhantes, ou vizinhos mais próximos.
Se muitos pontos forem rotulados como positivos, a máquina procura a média desses vetores positivos. Se você incluir rótulos negativos, a máquina procura a média positiva deslocada para longe da média negativa (pela diferença entre a média positiva e a média negativa).
