Редактирование: Нейронные сети, перцептрон

Перейти к: навигация, поиск

Внимание! Вы не авторизовались на сайте. Ваш IP-адрес будет публично видимым, если вы будете вносить любые правки. Если вы войдёте или создадите учётную запись, правки вместо этого будут связаны с вашим именем пользователя, а также у вас появятся другие преимущества.

Правка может быть отменена. Пожалуйста, просмотрите сравнение версий, чтобы убедиться, что это именно те изменения, которые вас интересуют, и нажмите «Записать страницу», чтобы изменения вступили в силу.
Текущая версия Ваш текст
Строка 175: Строка 175:
 
====Пример использования с помощью scikit-learn<ref>[https://scikit-learn.org Библиотека scikit-learn для Python]</ref>====
 
====Пример использования с помощью scikit-learn<ref>[https://scikit-learn.org Библиотека scikit-learn для Python]</ref>====
  
Будем классифицировать с помощью перцептрона датасет MNIST<ref>[https://en.wikipedia.org/wiki/MNIST_database Датасет MNIST]</ref>.
+
Будем классифицировать с помощью перцептрона датасет iris<ref>[https://en.wikipedia.org/wiki/Iris_flower_data_set Датасет iris]</ref>.
  
 
   # Load required libraries
 
   # Load required libraries
Строка 186: Строка 186:
 
   import numpy as np
 
   import numpy as np
  
   # Load the mnist dataset
+
   # Load the iris dataset
   mnist = datasets.load_digits()
+
   iris = datasets.load_iris()
  
 
   # Create our X and y data
 
   # Create our X and y data
  n_samples = len(mnist.images)
+
   X = iris.data
   X = mnist.images.reshape((n_samples, -1))
+
   y = iris.target
   y = mnist.target
 
  
 
   # Split the data into 70% training data and 30% test data
 
   # Split the data into 70% training data and 30% test data
Строка 210: Строка 209:
 
   ppn = Perceptron(n_iter=40, eta0=0.1, random_state=0)
 
   ppn = Perceptron(n_iter=40, eta0=0.1, random_state=0)
 
   # Create a multilayer perceptron object
 
   # Create a multilayer perceptron object
   mppn = MLPClassifier(solver='lbfgs', alpha=1e-5, hidden_layer_sizes=(256, 512, 128), random_state=1)
+
   mppn = MLPClassifier(solver='lbfgs', alpha=1e-5, hidden_layer_sizes=(5, 2), random_state=1)
  
 
   # Train the perceptrons
 
   # Train the perceptrons
Строка 221: Строка 220:
  
 
   # View the accuracies of the model, which is: 1 - (observations predicted wrong / total observations)
 
   # View the accuracies of the model, which is: 1 - (observations predicted wrong / total observations)
   print('Single-layer perceptron accuracy: %.4f' % accuracy_score(y_test, y_pred))
+
   print('Single-layer perceptron accuracy: %.2f' % accuracy_score(y_test, y_pred))
   print('Multilayer perceptron accuracy: %.4f' % accuracy_score(y_test, multi_y_pred))
+
   print('Multilayer perceptron accuracy: %.2f' % accuracy_score(y_test, multi_y_pred))
  
 
Вывод:
 
Вывод:
   Single-layer perceptron accuracy: 0.9574
+
   Single-layer perceptron accuracy: 0.76
   Multilayer perceptron accuracy: 0.9759
+
   Multilayer perceptron accuracy: 0.96
  
 
====Пример использования с помощью tensorflow<ref>[https://www.tensorflow.org/ Библиотека tensorflow для Python]</ref>====
 
====Пример использования с помощью tensorflow<ref>[https://www.tensorflow.org/ Библиотека tensorflow для Python]</ref>====
  
Будем классифицировать цифры из того же датасета MNIST.
+
Будем классифицировать цифры из датасета MNIST<ref>[https://en.wikipedia.org/wiki/MNIST_database Датасет MNIST]</ref>.
  
 
   # Load required libraries
 
   # Load required libraries
Строка 270: Строка 269:
  
  
На рисунке справа показаны четыре типичных изображения, на которых классификаторы ошибаются. Согласитесь, случаи действительно тяжелые.
+
На рисунке справа показаны четыре типичных изображения, на которых классификатор ошибается. Согласитесь, случаи действительно тяжелые.
  
 
====Пример на языке Java====
 
====Пример на языке Java====

Пожалуйста, учтите, что любой ваш вклад в проект «Викиконспекты» может быть отредактирован или удалён другими участниками. Если вы не хотите, чтобы кто-либо изменял ваши тексты, не помещайте их сюда.
Вы также подтверждаете, что являетесь автором вносимых дополнений, или скопировали их из источника, допускающего свободное распространение и изменение своего содержимого (см. Викиконспекты:Авторские права). НЕ РАЗМЕЩАЙТЕ БЕЗ РАЗРЕШЕНИЯ ОХРАНЯЕМЫЕ АВТОРСКИМ ПРАВОМ МАТЕРИАЛЫ!

Чтобы изменить эту страницу, пожалуйста, ответьте на приведённый ниже вопрос (подробнее):

Отменить | Справка по редактированию (в новом окне)

Шаблон, используемый на этой странице: