Vi vil se på data fra 200 fiktive personer, der efter et besøg på et museum om internetfænomener bliver spurgt, om de ved, hvad "skibidi toilet" betyder.

Der er to feature variable, \(x_1\) er personens alder, og \(x_2\) er besøgets længde i minutter, samt en target variabel \(t\), som angiver, om personen har lært, hvad "skibidi toilet" betyder (1 betyder "Ja", 0 betyder "Nej").

Data ligger i Excel-filen her. Vi vil bruge kunstig neuron app’en til at træne en model på disse data.

NoteOpgave 1: Udregn værdi af tabsfunktionen

• Åbn appen og indlæs datasættet.
• Vælg \(t\) som target-variabel (target-værdien sættes til 1) og \(x_1\) og \(x_2\) som feature-variable.
• Sæt startvægtene til -23.
• Behold learning-raten på 0,001.
• Sæt antal iterationer til 50000.
• Behold Squared som tabsfunktion, Sigmoid som aktiveringsfunktion og behold fluebenet ved feature-skalering.
• Kør modellen.
• Overvej, om det ser ud til, at den kunstige neuron er trænet rimeligt – se for eksempel på, om grafen til højre flader ud.
• Notér slutværdien af tabsfunktionen.

Det er ikke åbenlyst, om modellen er trænet godt nok, men i det følgende vil vi se på, hvad man i hvert fald kan bruge til at se, at det nok ikke er særligt godt endnu.