Spaces:
Running
Running
Rename pages/Estadísticas.py to pages/Fórmula.py
Browse files
pages/{Estadísticas.py → Fórmula.py}
RENAMED
@@ -10,27 +10,21 @@ st.set_page_config(
|
|
10 |
}
|
11 |
)
|
12 |
|
13 |
-
st.title("
|
14 |
|
15 |
-
col1, col2, col3 = st.columns(
|
16 |
|
17 |
with col1:
|
18 |
-
statistics = 'statistics.jpg'
|
19 |
-
st.image(statistics)
|
20 |
-
|
21 |
-
with col2:
|
22 |
-
st.write('Se usaron 4 carpetas distintas que suman +15000 archivos: ')
|
23 |
-
st.write('Patacón-True/Frames: imágenes de patacones.')
|
24 |
-
st.write('Bias/Almost-Patacón: objetos similares a patacones.')
|
25 |
st.write('La eficiencia fue formulada de la siguiente manera: ')
|
26 |
st.write('Para clases positivas: ')
|
27 |
st.latex(r'''E = \frac{(S * {S}')+(P * {P}')}{{S}'+{P}'}''')
|
28 |
st.write('Para clases negativas: ')
|
29 |
st.latex(r'''E = \frac{(S * {S}')+((1-P) * {P}')}{{S}'+{P}'}''')
|
30 |
|
31 |
-
with
|
32 |
st.write('Donde:')
|
33 |
st.write('S es la puntuación (score) normalizada entre 0 y 1, donde por cada imagen sumaba un punto y por cada falso positivo se le restaba otro. La franja para predecir la clase como positiva fue de encima del 80%')
|
34 |
st.write('P es la predicción promedio entre 0 y 1 para todas las imágenes de la carpeta.')
|
35 |
st.write("S′ y P′ son los pesos para cada variable, en este caso, la predicción tuvo un peso de 1.2")
|
36 |
-
st.write("El rango de la fórmula es de [0, 1), representando 1 un modelo con la mayor eficiencia posible que generaliza bien y es igualmente bueno para predecir clases positivas y anómalas. ")
|
|
|
|
10 |
}
|
11 |
)
|
12 |
|
13 |
+
st.title("Fórmula")
|
14 |
|
15 |
+
col1, col2, col3 = st.columns(2)
|
16 |
|
17 |
with col1:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
18 |
st.write('La eficiencia fue formulada de la siguiente manera: ')
|
19 |
st.write('Para clases positivas: ')
|
20 |
st.latex(r'''E = \frac{(S * {S}')+(P * {P}')}{{S}'+{P}'}''')
|
21 |
st.write('Para clases negativas: ')
|
22 |
st.latex(r'''E = \frac{(S * {S}')+((1-P) * {P}')}{{S}'+{P}'}''')
|
23 |
|
24 |
+
with col2:
|
25 |
st.write('Donde:')
|
26 |
st.write('S es la puntuación (score) normalizada entre 0 y 1, donde por cada imagen sumaba un punto y por cada falso positivo se le restaba otro. La franja para predecir la clase como positiva fue de encima del 80%')
|
27 |
st.write('P es la predicción promedio entre 0 y 1 para todas las imágenes de la carpeta.')
|
28 |
st.write("S′ y P′ son los pesos para cada variable, en este caso, la predicción tuvo un peso de 1.2")
|
29 |
+
st.write("El rango de la fórmula es de [0, 1), representando 1 un modelo con la mayor eficiencia posible que generaliza bien y es igualmente bueno para predecir clases positivas y anómalas. ")
|
30 |
+
st.write('Link del repositorio: https://github.com/frncscp/efficiency')
|