Experiment: bra och dålig träningsdata

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

Tränar du «katt/hund» med 90 bilder på hundar utomhus och 90 katter inomhus lär sig modellen «utomhus = hund». En katt i trädgården blir «hund».

Detta kallas skevhet (bias) i datan. Modellen är inte «dum» — den hittade det enklaste mönstret som skilde högarna åt. Boten är nästan alltid bättre data, inte en bättre modell.

Experiment i Teachable Machine:

1. Klass A: 20 bilder av äpplen — alla på ett vitt bord.
2. Klass B: 20 bilder av apelsiner — alla i en brun korg.
3. Träna. Testa med ett äpple i korgen. Vad säger modellen? Ofta «apelsin».
4. Gör om med blandade bakgrunder. Testa igen.

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