[Границы компьютерных наук] Глава 4 Ответ 2022 - Искусственная нейронная сеть

Глава 4

4.1 Используйте нейронную сеть для выполнения задачи классификации деловых районов

4.1.1 Понимание наборов данных

x_train, y_train, l_train = load_dataset("data/train.npz")
fig() + scatter(x_train, y_train, c=l_train)

4.1.2 Создание искусственной нейронной сети

model = DeepLearning([2,4,4,1])

fig() + structure(model)

4.1.3 Обучение нейронной сети

f_train = merge_features([x_train, y_train])

model.demo_train('business')

model.show_learning_curve()

4.1.4 Тест нейронной сети

x_test, y_test, l_test = load_dataset("data/test.npz")

f_test = merge_features([x_test, y_test])

pred = model.predict(f_test)

print(accuracy(pred > 0.5, l_test))

4.1.5 Настройка параметров и переобучение

model.reset_weights()

model.loss = 'mse'

model.demo_train('business_mse')

model.show_learning_curve()

pred = model.predict(f_test)

print(accuracy(pred > 0.5, l_test))

4.2 Прогнозирование веса на основе роста

4.2.1 Запись экспериментальных данных

height, weight = load('hw.train')

height, weight = load('hw.train')

4.2.2 Построение нейронной сети

net = MLP([1, 4, 4, 1])
fig() + structure(net)

4.2.3 Обучение нейронной сети

net.train(height, weight)

4.2.4 Тест нейронной сети

t_height, t_weight = load('hw.test') 
pred = net.predict(data=t_height) 
fig() + scatter(t_height, pred) + scatter(t_height, t_weight)

error = net.compute_error(pred, t_weight)
print("Test error = %f" % error)