Bueno, si entendí lo que estás haciendo, en mi opinión, estás mostrando a tu red neuronal solo aquellas entradas para las cuales la salida correcta es 1. Digamos que tienes un conjunto de entradas con algunas imágenes de Hotdogs y entrenas tu NN solo para reconocer un perrito caliente y nada más. Ni siquiera pizza. Entonces, cuando su NN vea una pizza, pensará que, de hecho, es otro estilo de hot dog y nada más. Esto se debe a que el universo de un NN se basa en lo que se muestra (Fuente: Silicon Valley, HBO GO 😉). Debido a que lo que está haciendo es una clasificación bivariada que utiliza el aprendizaje supervisado, por lo tanto, su NN necesita alimentarse tanto con 0 como con 1 para discriminar entre ellos.
Personalmente tomo un NN supervisado como un bebé recién nacido, que aún no ha visto el mundo y soy responsable de mostrar todas las características de este mundo antes de que pueda comenzar a probarlo. Esto me hace comprender mejor la mayoría de las partes de la NN.
- ¿Qué porcentaje de trabajos serán reemplazados por IA y robots?
- ¿Cuáles son los subcampos más interesantes de Ai? En tu punto de vista.
- Cómo clasificar si un artículo de noticias es falso o real utilizando el aprendizaje automático
- ¿Por qué las personas trabajan lentamente para desarrollar una IA que pueda resolver problemas matemáticos súper difíciles?
- ¿Qué tipo de estadísticas usan los programadores de juegos de IA?