אני עכשיו עסוקה ב machine learning.אפשר בבקשה להסביר את הבדיחה?
לצורך העניין - אנו אמורים ללמד את הרשת הנויורונית להבדיל בין כלב לחתול. אין לזה כללים מדויקים כמו מתמטיקה, ולכן צריך ללמד את הרשת, ממש כמו שמלמדים ילד קטן, מי זה כלב ומי זה חתול.
יש את שלב האימון - שליחת הdata וה target. (תמונה של כלב + תוית "כלב").
בכל שכבה הרשת לומדת לזהות עוד פיצ'רים השייכים לכלב / חתול, ובודקת את עצמה לפי התווית האם הצליחה או לא. ככל שמספר השכבות גבוה יותר- אחוז הטעות יהיה קטן יותר.
מצד שני- חייב להזהר מ overfitting, שאם יהיו יותר מדי איטרציות, הרשת עלולה להתקבע על דברים שאינם קשורים מדי לאובייקט (כמו רעשים בתמונה), ואז אחוז הטעות יגדל יותר, כך היא לא תדע לזהות בוודאות. (לדוג' הרשת מצאה שלרוב החתולים עיניים ירוקות, אז בשלב במבחן היא תראה חתול עם עיניים חומות ותחשוב שהוא לא חתול...)
בקיצור, סומכים פה מידי הרבה על הבינה של הרשת, ולא באמת מבינים (אני בכל אופן...) מה קורה בתוך השכבות המוסתרות של הרשת.
מקווה שהצלחתי להסביר, אם לא, תמיד תוכלי לגגל על זה...
בהצלחה!