Experiment: skev träningsdata och dess konsekvenser

Modellen lär sig de mönster som finns i datan — även de du inte tänkte på.

Tränar du en klassificerare på «kassa/ok» med 90 bilder av kassor som ligger på ett vitt bord och 90 bilder av ok som ligger på en mörk matta, lär sig modellen «vitt underlag = kassa». En kassa på mattan klassas som «ok».

Detta kallas skevhet (bias) i datan. Modellen är inte felaktig i sin logik — den hittade det enklaste korrelerande mönstret som skilde kategorierna åt. Lösningen är nästan alltid bättre data, inte en mer komplex modell.

Experiment i Teachable Machine:

1. Klass A: 20 bilder av fakturor — alla skannade mot en vit bakgrund.
2. Klass B: 20 bilder av kvitton — alla fotograferade mot en mörk bakgrund.
3. Träna. Testa med en faktura på mörk bakgrund. Vad säger modellen? Ofta «kvitto».
4. Gör om med blandade bakgrunder för båda klasserna. Testa igen.

Skriv ner: träffsäkerhet på standardbilder, träffsäkerhet på «bytt bakgrund», före och efter. Det är ett kontrollerat experiment: bara datan ändrades.