{"id":1180,"date":"2023-07-27T09:18:03","date_gmt":"2023-07-27T09:18:03","guid":{"rendered":"https:\/\/statorials.org\/pl\/selekcja-etapami\/"},"modified":"2023-07-27T09:18:03","modified_gmt":"2023-07-27T09:18:03","slug":"selekcja-etapami","status":"publish","type":"post","link":"https:\/\/statorials.org\/pl\/selekcja-etapami\/","title":{"rendered":"Co to jest selekcja etapowa? (wyja\u015bnienie i przyk\u0142ady)"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">W dziedzinie uczenia maszynowego naszym celem jest stworzenie modelu, kt\u00f3ry b\u0119dzie w stanie efektywnie wykorzysta\u0107 zestaw zmiennych predykcyjnych do przewidzenia warto\u015bci <a href=\"https:\/\/statorials.org\/pl\/zmienne-odpowiedzi-wyjasniajace\/\" target=\"_blank\" rel=\"noopener noreferrer\">zmiennej odpowiedzi<\/a> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Maj\u0105c zestaw <em>p<\/em> zmiennych predykcyjnych og\u00f3\u0142em, istnieje wiele modeli, kt\u00f3re mogliby\u015bmy potencjalnie zbudowa\u0107.<\/span> <span style=\"color: #000000;\">Jedn\u0105 z metod, kt\u00f3rych mo\u017cemy u\u017cy\u0107 do wybrania najlepszego modelu, jest <a href=\"https:\/\/statorials.org\/pl\/najlepszy-wybor-podzbiorow\/\" target=\"_blank\" rel=\"noopener noreferrer\">wyb\u00f3r najlepszego podzbioru<\/a> , kt\u00f3ry polega na wybraniu najlepszego modelu spo\u015br\u00f3d <em>wszystkich<\/em> mo\u017cliwych modeli, kt\u00f3re mo\u017cna zbudowa\u0107 za pomoc\u0105 zestawu predyktor\u00f3w.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Niestety metoda ta ma dwie wady:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Mo\u017ce to by\u0107 intensywne obliczeniowo. Dla zbioru <em>p<\/em> zmiennych predykcyjnych istnieje 2 <sup>p<\/sup> mo\u017cliwych modeli. Na przyk\u0142ad przy 10 zmiennych predykcyjnych istnieje 2 <sup>10<\/sup> = 1000 mo\u017cliwych modeli do rozwa\u017cenia.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Poniewa\u017c uwzgl\u0119dnia bardzo du\u017c\u0105 liczb\u0119 modeli, mo\u017ce potencjalnie znale\u017a\u0107 model, kt\u00f3ry b\u0119dzie dobrze dzia\u0142a\u0142 na danych szkoleniowych, ale nie na danych przysz\u0142ych. Mo\u017ce to prowadzi\u0107 <a href=\"https:\/\/statorials.org\/pl\/nadmierne-dopasowanie-uczenia-maszynowego\/\" target=\"_blank\" rel=\"noopener noreferrer\">do nadmiernego dopasowania<\/a> .<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Alternatyw\u0105 dla wyboru najlepszego podzbioru jest <strong>wyb\u00f3r krokowy<\/strong> , polegaj\u0105cy na por\u00f3wnaniu znacznie mniejszego zestawu modeli.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Istniej\u0105 dwa rodzaje metod wyboru kroku: wyb\u00f3r kroku do przodu i wyb\u00f3r kroku do ty\u0142u.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Wyb\u00f3r krok po kroku<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Wyb\u00f3r do przodu krok po kroku dzia\u0142a w nast\u0119puj\u0105cy spos\u00f3b:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>1.<\/strong> Niech M <sub>0<\/sub> b\u0119dzie modelem zerowym, kt\u00f3ry nie zawiera zmiennej predykcyjnej.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>2.<\/strong> Dla k = 0, 2, \u2026 p-1:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Dopasuj wszystkie modele pk zwi\u0119kszaj\u0105ce predyktory w M <sub>k<\/sub> z dodatkow\u0105 zmienn\u0105 predykcyjn\u0105.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Wybierz najlepszy spo\u015br\u00f3d tych modeli pk i nazwij go M <sub>k+1<\/sub> . Zdefiniuj \u201enajlepszy\u201d jako model z najwy\u017cszym <sup>R2<\/sup> lub, r\u00f3wnowa\u017cnie, najni\u017cszym RSS.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\"><strong>3.<\/strong> Wybierz jeden najlepszy model spo\u015br\u00f3d M <sub>0<\/sub> \u2026 M <sub>p<\/sub> , korzystaj\u0105c z b\u0142\u0119du predykcji krzy\u017cowej, Cp, BIC, AIC lub skorygowanego R <sup>2<\/sup> .<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Wyb\u00f3r wsteczny krok po kroku<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Wyb\u00f3r kroku wstecz dzia\u0142a w nast\u0119puj\u0105cy spos\u00f3b:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>1.<\/strong> Niech M <sub>p<\/sub> b\u0119dzie pe\u0142nym modelem, kt\u00f3ry zawiera wszystkie <em>p<\/em> zmiennych predykcyjnych.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>2.<\/strong> Dla k = p, p-1, \u2026 1:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Dopasuj wszystkie modele k, kt\u00f3re zawieraj\u0105 wszystkie predyktory z wyj\u0105tkiem jednego w <sub>Mk<\/sub> , uzyskuj\u0105c w sumie k-1 zmiennych predykcyjnych.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Wybierz najlepszy spo\u015br\u00f3d tych k modeli i nazwij go M <sub>k-1<\/sub> . Zdefiniuj \u201enajlepszy\u201d jako model z najwy\u017cszym <sup>R2<\/sup> lub, r\u00f3wnowa\u017cnie, najni\u017cszym RSS.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\"><strong>3.<\/strong> Wybierz jeden najlepszy model spo\u015br\u00f3d M <sub>0<\/sub> \u2026 M <sub>p<\/sub> , korzystaj\u0105c z b\u0142\u0119du predykcji krzy\u017cowej, Cp, BIC, AIC lub skorygowanego R <sup>2<\/sup> .<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Kryteria wyboru \u201enajlepszego\u201d modelu<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Ostatnim krokiem stopniowej selekcji do przodu i do ty\u0142u jest wyb\u00f3r modelu z najni\u017cszym b\u0142\u0119dem przewidywania, najni\u017cszym Cp, najni\u017cszym BIC, najwy\u017cszym niskim AIC lub najwy\u017cszym skorygowanym <sup>R2<\/sup> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Oto formu\u0142y u\u017cywane do obliczania ka\u017cdego z tych wska\u017anik\u00f3w:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Cp:<\/strong> (RSS+2d\u03c3\u0302) \/ n<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>AIC:<\/strong> (RSS+2d\u03c3\u0302 <sup>2<\/sup> ) \/ (n\u03c3\u0302 <sup>2<\/sup> )<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>BIC:<\/strong> (RSS+log(n)d\u03c3\u0302 <sup>2<\/sup> ) \/ n<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>R <sup>2<\/sup> skorygowane:<\/strong> 1 \u2013 ( (RSS \/ (nd-1)) \/ (TSS \/ (n-1)) )<\/span><\/p>\n<p> <span style=\"color: #000000;\">Z\u0142oto:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>d:<\/strong> Liczba predyktor\u00f3w<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>n:<\/strong> Ca\u0142kowita liczba obserwacji<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>\u03c3\u0302:<\/strong> Oszacowanie wariancji b\u0142\u0119du zwi\u0105zanej z ka\u017cd\u0105 miar\u0105 odpowiedzi w modelu regresji<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>RSS:<\/strong> Pozosta\u0142a suma kwadrat\u00f3w z modelu regresji<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>TSS:<\/strong> Ca\u0142kowita suma kwadrat\u00f3w modelu regresji<\/span><\/li>\n<\/ul>\n<h3> <span style=\"color: #000000;\"><strong>Zalety i wady selekcji etapowej<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Selekcja etapowa ma nast\u0119puj\u0105ce <strong>zalety<\/strong> :<\/span><\/p>\n<p> <span style=\"color: #000000;\">Ta metoda jest bardziej wydajna obliczeniowo ni\u017c wybieranie najlepszego podzbioru. Bior\u0105c pod uwag\u0119 zmienne predykcyjne <em>p<\/em> , wyb\u00f3r najlepszego podzbioru musi odpowiada\u0107 modelom 2 <sup>p<\/sup> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">I odwrotnie, wyb\u00f3r krokowy powinien pasowa\u0107 tylko do modeli 1+p(p+1)\/2. Dla p = 10 zmiennych predykcyjnych najlepszy wyb\u00f3r podzbioru powinien pasowa\u0107 do 1000 modeli, natomiast wyb\u00f3r krokowy powinien pasowa\u0107 tylko do 56 modeli.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Jednak\u017ce selekcja etapowa ma <strong>nast\u0119puj\u0105c\u0105 potencjaln\u0105 wad\u0119:<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Nie ma gwarancji znalezienia najlepszego mo\u017cliwego modelu spo\u015br\u00f3d wszystkich potencjalnych modeli <sup>2p<\/sup> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Za\u0142\u00f3\u017cmy na przyk\u0142ad, \u017ce mamy zbi\u00f3r danych z predyktorami p = 3. Najlepszy mo\u017cliwy model z jednym predyktorem mo\u017ce zawiera\u0107 x <sub>1<\/sub> , a najlepszy mo\u017cliwy model z dwoma predyktorami mo\u017ce zamiast tego zawiera\u0107 x <sub>1<\/sub> i x <sub>2<\/sub> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">W tym przypadku wyb\u00f3r krokowy w prz\u00f3d nie pozwoli wybra\u0107 najlepszego mo\u017cliwego modelu dwupredykcyjnego, poniewa\u017c M <sub>1<\/sub> b\u0119dzie zawiera\u0107 x <sub>1<\/sub> , wi\u0119c M <sub>2<\/sub> musi r\u00f3wnie\u017c zawiera\u0107 x <sub>1<\/sub> oraz inn\u0105 zmienn\u0105.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"<p>W dziedzinie uczenia maszynowego naszym celem jest stworzenie modelu, kt\u00f3ry b\u0119dzie w stanie efektywnie wykorzysta\u0107 zestaw zmiennych predykcyjnych do przewidzenia warto\u015bci zmiennej odpowiedzi . Maj\u0105c zestaw p zmiennych predykcyjnych og\u00f3\u0142em, istnieje wiele modeli, kt\u00f3re mogliby\u015bmy potencjalnie zbudowa\u0107. Jedn\u0105 z metod, kt\u00f3rych mo\u017cemy u\u017cy\u0107 do wybrania najlepszego modelu, jest wyb\u00f3r najlepszego podzbioru , kt\u00f3ry polega na [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-1180","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Co to jest selekcja etapowa? (Wyja\u015bnienie i przyk\u0142ady)<\/title>\n<meta name=\"description\" content=\"Ten samouczek zawiera szczeg\u00f3\u0142owe wyja\u015bnienie wyboru modelu na przyk\u0142adzie.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/pl\/selekcja-etapami\/\" \/>\n<meta property=\"og:locale\" content=\"pl_PL\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Co to jest selekcja etapowa? (Wyja\u015bnienie i przyk\u0142ady)\" \/>\n<meta property=\"og:description\" content=\"Ten samouczek zawiera szczeg\u00f3\u0142owe wyja\u015bnienie wyboru modelu na przyk\u0142adzie.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/pl\/selekcja-etapami\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-27T09:18:03+00:00\" \/>\n<meta name=\"author\" content=\"Benjamin Anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Napisane przez\" \/>\n\t<meta name=\"twitter:data1\" content=\"Benjamin Anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Szacowany czas czytania\" \/>\n\t<meta name=\"twitter:data2\" content=\"3 minuty\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/pl\/selekcja-etapami\/\",\"url\":\"https:\/\/statorials.org\/pl\/selekcja-etapami\/\",\"name\":\"Co to jest selekcja etapowa? (Wyja\u015bnienie i przyk\u0142ady)\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/pl\/#website\"},\"datePublished\":\"2023-07-27T09:18:03+00:00\",\"dateModified\":\"2023-07-27T09:18:03+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/pl\/#\/schema\/person\/6484727a4612df3e69f016c3129c6965\"},\"description\":\"Ten samouczek zawiera szczeg\u00f3\u0142owe wyja\u015bnienie wyboru modelu na przyk\u0142adzie.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/pl\/selekcja-etapami\/#breadcrumb\"},\"inLanguage\":\"pl-PL\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/pl\/selekcja-etapami\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/pl\/selekcja-etapami\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Dom\",\"item\":\"https:\/\/statorials.org\/pl\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Co to jest selekcja etapowa? (wyja\u015bnienie i przyk\u0142ady)\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/pl\/#website\",\"url\":\"https:\/\/statorials.org\/pl\/\",\"name\":\"Statorials\",\"description\":\"Tw\u00f3j przewodnik po kompetencjach statystycznych!\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/pl\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"pl-PL\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/pl\/#\/schema\/person\/6484727a4612df3e69f016c3129c6965\",\"name\":\"Benjamin Anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"pl-PL\",\"@id\":\"https:\/\/statorials.org\/pl\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/statorials.org\/pl\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"https:\/\/statorials.org\/pl\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg\",\"caption\":\"Benjamin Anderson\"},\"description\":\"Cze\u015b\u0107, jestem Benjamin i jestem emerytowanym profesorem statystyki, kt\u00f3ry zosta\u0142 oddanym nauczycielem Statorials. Dzi\u0119ki bogatemu do\u015bwiadczeniu i wiedzy specjalistycznej w dziedzinie statystyki ch\u0119tnie dziel\u0119 si\u0119 swoj\u0105 wiedz\u0105, aby wzmocni\u0107 pozycj\u0119 uczni\u00f3w za po\u015brednictwem Statorials. Wiedzie\u0107 wi\u0119cej\",\"sameAs\":[\"https:\/\/statorials.org\/pl\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Co to jest selekcja etapowa? (Wyja\u015bnienie i przyk\u0142ady)","description":"Ten samouczek zawiera szczeg\u00f3\u0142owe wyja\u015bnienie wyboru modelu na przyk\u0142adzie.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/pl\/selekcja-etapami\/","og_locale":"pl_PL","og_type":"article","og_title":"Co to jest selekcja etapowa? (Wyja\u015bnienie i przyk\u0142ady)","og_description":"Ten samouczek zawiera szczeg\u00f3\u0142owe wyja\u015bnienie wyboru modelu na przyk\u0142adzie.","og_url":"https:\/\/statorials.org\/pl\/selekcja-etapami\/","og_site_name":"Statorials","article_published_time":"2023-07-27T09:18:03+00:00","author":"Benjamin Anderson","twitter_card":"summary_large_image","twitter_misc":{"Napisane przez":"Benjamin Anderson","Szacowany czas czytania":"3 minuty"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/pl\/selekcja-etapami\/","url":"https:\/\/statorials.org\/pl\/selekcja-etapami\/","name":"Co to jest selekcja etapowa? (Wyja\u015bnienie i przyk\u0142ady)","isPartOf":{"@id":"https:\/\/statorials.org\/pl\/#website"},"datePublished":"2023-07-27T09:18:03+00:00","dateModified":"2023-07-27T09:18:03+00:00","author":{"@id":"https:\/\/statorials.org\/pl\/#\/schema\/person\/6484727a4612df3e69f016c3129c6965"},"description":"Ten samouczek zawiera szczeg\u00f3\u0142owe wyja\u015bnienie wyboru modelu na przyk\u0142adzie.","breadcrumb":{"@id":"https:\/\/statorials.org\/pl\/selekcja-etapami\/#breadcrumb"},"inLanguage":"pl-PL","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/pl\/selekcja-etapami\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/pl\/selekcja-etapami\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Dom","item":"https:\/\/statorials.org\/pl\/"},{"@type":"ListItem","position":2,"name":"Co to jest selekcja etapowa? (wyja\u015bnienie i przyk\u0142ady)"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/pl\/#website","url":"https:\/\/statorials.org\/pl\/","name":"Statorials","description":"Tw\u00f3j przewodnik po kompetencjach statystycznych!","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/pl\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"pl-PL"},{"@type":"Person","@id":"https:\/\/statorials.org\/pl\/#\/schema\/person\/6484727a4612df3e69f016c3129c6965","name":"Benjamin Anderson","image":{"@type":"ImageObject","inLanguage":"pl-PL","@id":"https:\/\/statorials.org\/pl\/#\/schema\/person\/image\/","url":"https:\/\/statorials.org\/pl\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg","contentUrl":"https:\/\/statorials.org\/pl\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg","caption":"Benjamin Anderson"},"description":"Cze\u015b\u0107, jestem Benjamin i jestem emerytowanym profesorem statystyki, kt\u00f3ry zosta\u0142 oddanym nauczycielem Statorials. Dzi\u0119ki bogatemu do\u015bwiadczeniu i wiedzy specjalistycznej w dziedzinie statystyki ch\u0119tnie dziel\u0119 si\u0119 swoj\u0105 wiedz\u0105, aby wzmocni\u0107 pozycj\u0119 uczni\u00f3w za po\u015brednictwem Statorials. Wiedzie\u0107 wi\u0119cej","sameAs":["https:\/\/statorials.org\/pl"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/posts\/1180","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/comments?post=1180"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/posts\/1180\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/media?parent=1180"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/categories?post=1180"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/tags?post=1180"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}