특징 설계와 표현 학습 비교
표현 방식을 바꾸면 같은 데이터·분할에서 모델과 학습 기록을 새로 시작합니다. 먼저 노트에 보관하면 비교할 수 있습니다. 딥러닝은 머신러닝의 한 종류이며, 여기서는 특징 공학 + 로지스틱 회귀와 신경망의 표현 학습을 비교합니다.
이 실험의 범위 정답으로 학습하는 인공신경망입니다. 정답 없는 경험·기억·뇌과학과 연결해 읽기 ↗
신경망이 보는 세계
각 타일은 입력 평면에서 계산한 뉴런의 반응입니다. 뉴런을 선택하면 아래에서 계산과 가중치를 확인할 수 있습니다.
계산 보기 ↓데이터와 결정 경계
좌표로 점 추가하기 · 키보드 사용
경계를 움직여 보세요
0 에폭 · 0번 갱신
모델 구조 바꾸기
구조를 바꾸면 매개변수와 학습 기록을 새로 시작합니다. 데이터 분할은 유지합니다.
무엇이 달라졌을까요?
모델과 문턱을 결정한 뒤 공개하세요. 테스트를 공개하면 이 실습의 추가 학습과 수정이 잠깁니다.
점 하나의 계산을 따라가요
선택한 뉴런의 매개변수
뉴런을 누르면 가중치와 편향을 조절할 수 있습니다. 선의 색은 가중치 부호, 굵기는 크기를 나타냅니다.
나만의 실험 노트
바꾸기 전 예상을 적고, 결과가 나오면 실험을 보관하세요. 모델·데이터·결과도 함께 저장되어 두 실험을 비교하거나 다시 이어갈 수 있습니다.
보관한 실험 0 / 12
두 기록을 선택해 비교하세요. 기록은 이 브라우저에 보관됩니다.