Stegfunktionen och linjära beslut
Hur en perceptron delar upp två klasser
Stegfunktionen och linjära beslut är en gratis lektion i Deep Learning Academy på CoddyKit. Detta är lektion 2 av 4. Ni kan läsa hela lektionen gratis nedan och sedan öva praktiskt i webbläsaren med en inbyggd kodredigerare och en AI-handledare som är tillgänglig dygnet runt. Den ingår i lärvägen för Deep Learning Academy, och Era framsteg synkroniseras mellan webben och CoddyKit-appen. Kursen i Deep Learning Academy innehåller totalt 4 lektioner.
Från poängvärde till beslut
Den viktade summan ger ett poängvärde, men ofta behöver du ett tydligt ja eller nej. En stegfunktion omvandlar det råa poängvärdet till ett bestämt beslut.
Vad steget gör
Stegfunktionen returnerar 1 om poängvärdet är noll eller högre och 0 om det är negativt. Inget däremellan, bara på eller av. ⚡
output = 1 if score >= 0 else 0Tröskeln
Noll är den tröskel där beslutet växlar. Passera den så aktiveras neuronen; stanna under den så förblir den inaktiv.
Bias flyttar tröskeln
Om du ändrar bias flyttas tröskeln. En större bias gör det lättare för neuronen att aktiveras, medan en mindre bias gör det svårare.
En linje i datan
Med två indata ritar aktiveringsregeln en rak linje i ett diagram. Punkter på ena sidan betyder ja och punkter på den andra betyder nej.
Beslutsgränsen
Den linjen är beslutsgränsen. Den delar upp ditt egenskapsutrymme i två områden, med en klass på var sida.
Vikter lutar linjen
Vikterna styr beslutsgränsens vinkel och lutning. När du justerar dem roteras den avdelande linjen över dina data.
Linjär betyder rak
Det här är ett linjärt beslut: gränsen är alltid en rak linje eller ett plant plan. Den kan inte böjas eller krökas runt datan.
Linjärt separerbara data
Om en rak linje kan dela upp dina klasser tydligt är datan linjärt separerbar. En enda neuron hanterar detta fall perfekt.
Problemet med den skarpa kanten
Stegfunktionens skarpa kant hoppar abrupt från 0 till 1. Det tvära hoppet har ingen användbar lutning, vilket senare gör gradientbaserad inlärning svår.
En liten klassificerare
Kombinera den viktade summan med en stegfunktion så har du en fungerande binär klassificerare på två korta Python-rader.
score = w1 * x1 + w2 * x2 + b
label = 1 if score >= 0 else 0Snabb kontroll
Tänk på vilken form en enda neuron kan skapa.
Sammanfattning
Stegfunktionen omvandlar ett poängvärde till 0 eller 1 vid en tröskel. Med två indata ritar den en rak beslutsgräns som delar upp linjärt separerbar data. 📏
Lär dig Python med en AI-lärare – gratis
Skriv och kör riktig kod i webbläsaren, få omedelbar hjälp av en AI-lärare dygnet runt och fortsätt där du slutade – på webben eller i appen.
- Kurser
- 30
- Lektioner
- 120
Vanliga frågor
Är lektionen ”Stegfunktionen och linjära beslut” gratis?
Ja – hela texten till ”Stegfunktionen och linjära beslut” kan läsas gratis här på webben. Om Ni vill öva interaktivt med en inbyggd kodredigerare och en AI-handledare som är tillgänglig dygnet runt och låsa upp resten av kursen i Deep Learning Academy, kan Ni uppgradera till CoddyKit PRO. Kursen i Deep Learning Academy innehåller totalt 4 lektioner.
Vad lär jag mig i ”Stegfunktionen och linjära beslut”?
Hur en perceptron delar upp två klasser Ni övar på Deep Learning Academy med praktisk kod som körs direkt i webbläsaren, medan en AI-handledare som är tillgänglig dygnet runt svarar på Era frågor under lektionen.
Behöver jag någon erfarenhet för att börja lära mig Deep Learning Academy?
Du behöver inga förkunskaper. Utbildningen i Deep Learning Academy på CoddyKit är upplagd för allt från nybörjare till avancerade elever, så att du kan börja här eller från början och gå fram i din egen takt. Detta är lektion 2 av 4.
Hur lång tid tar lektionen ”Stegfunktionen och linjära beslut”?
De flesta CoddyKit-lektioner tar cirka 5–10 minuter. Varje lektion är kort och interaktiv, så att du gör stadiga framsteg och kan fortsätta precis där du slutade – på webben eller i appen.
Kan jag skriva och köra kod i den här Deep Learning Academy-lektionen?
Ja. Varje Deep Learning Academy-lektion innehåller en inbyggd kodredigerare, så att du kan skriva och köra riktig kod direkt i webbläsaren och få omedelbar AI-feedback – utan lokal installation.
Alla lektioner i den här kursen
- Vikter, bias och den viktade summan
- Stegfunktionen och linjära beslut
- Koda en perceptron från grunden
- XOR-problemet: varför en neuron inte räcker