Spark — Tri de parquet par réseau de neurones

Indices regardés par l'IA

Axe horizontal →

Axe vertical ↑

Le réseau ne voit que ces 2 indices. Choisis-en de bons (taille, couleur des nœuds) → il y arrive. Choisis un critère sans rapport (couleur de la lame) → il rame. C'est ça, le choix des features.

Lot de lames

Nombre de lames 96 Variabilité (bruit) 0.10

Réseau

Activation cachée Taux d'apprentissage 0.316

Les 3 qualités

Vraie règle de qualité : plus les nœuds sont foncés et gros, plus la lame est rustique. Le réseau ne la connaît pas — il la déduit des exemples, mais seulement à travers les 2 indices que tu lui donnes.

Époque

Bien classées

—

Lames vues (cumul)

Bordure = qualité prédite par l'IA ✓ correct ✗ erreur (vs vraie qualité)

🪵 Spark · Tri de parquet

Le réseau (poids en cours d'ajustement)