← AI-aktiviteter

Visualisering av beslutsgränser

Rita datapunkter för två klasser och se hur olika modeller drar gränsen mellan dem.

🇬🇧 English
Vänsterklick = A · Högerklick = B
Hastighet ½×
Klass A
Klass B
1
Välj modell
Linjär modell kan bara rita en rak beslutsgräns. Testa om den lyckas klassificera exempelvis ett XOR-mönster.
2
Skapa data
Eller klicka (Klass A) och högerklicka (Klass B) direkt i rutnätet.
3
Träna
Rita punkter för att börja
–
4
Utforska · klicka för förklaring
Beslutsgräns Klassificering Linjär modell
Neuralt nätverk Dolt lager XOR
Om mönstren
Aktiveringsfunktion
tanh ger varje neuron ett värde mellan −1 och +1. Träna med båda funktionerna och jämför beslutsgränsen – ser du någon skillnad i formen?
Aktiveringsfunktion tanh vs ReLU
Titta inuti nätverket
Klicka på Neuroner för att titta på en enskild neuron eller klicka ihop egna kombinationer – se hur enkla bitar bygger den färdiga gränsen.
Neuron Kombination
Arkitektur (neuroner i det dolda lagret)
Utforska!

Byt aktiveringsfunktion och titta noga på beslutsgränsen och på en enskild neuron. Vad händer med formen? Klicka sedan ihop egna kombinationer av neuroner under Neuroner – se hur varje val förändrar gränsen.

Visualisering av beslutsgränser

En klassificeringsmodell lär sig dra en gräns mellan olika kategorier. Undersök hur den gränsen ser ut och upptäck varför det ofta behövs ett neuralt nätverk.

1
Börja med det linjära mönstret – Välj Linjär modell och tryck ▶ Träna. Se hur en rak linje separerar de två klasserna!
2
Testa ett annat mönster – Byt exempelvis till mönstret XOR i högermenyn och träna med samma linjära modell igen. Vad händer?
3
Lägg till ett dolt lager – Byt modell till Neuralt nätverk och träna om. Se hur gränsen böjer sig och punkterna klassificeras rätt!
4
Fördjupa dig – Öppna fliken Avancerat och se hur varje enskild neuron i det dolda lagret delar upp ytan på sitt eget sätt. Det är kombinationen av alla neuroner som skapar den slutliga beslutsgränsen.

Avancerat läge

Här kan du analysera modellen ytterligare.

1
Titta inuti nätverket – Klicka på Neuroner. Välj en enda för att se hur den delar upp ytan på sitt eget sätt, eller klicka ihop flera för att se hur den färdiga gränsen växer fram ur de bitar du själv väljer.
2
Aktiveringsfunktion – Byt mellan tanh och ReLU och träna om. Titta noga på beslutsgränsens form – vad är det som skiljer?
3
Ändra arkitektur – Justera antalet neuroner i det dolda lagret. Här kan du upptäcka att fler neuroner ger en mer flexibel gräns, men också långsammare träning.