Herausforderung: Bewertung des Perzeptrons
Zur Bewertung des zuvor erstellten Perzeptrons wird ein Datensatz mit zwei Eingabemerkmalen und zwei unterschiedlichen Klassen (0
und 1
) verwendet:
Dieser Datensatz ist ausgeglichen, mit 500 Stichproben aus Klasse 1
und 500 Stichproben aus Klasse 0
. Daher ist Genauigkeit in diesem Fall ein ausreichendes Bewertungsmaß, das mit der Funktion accuracy_score()
berechnet werden kann:
accuracy_score(y_true, y_pred)
y_true
steht für die tatsächlichen Labels, während y_pred
die vorhergesagten Labels repräsentiert.
Der Datensatz ist in perceptron.py
als zwei NumPy-Arrays gespeichert: X
(Eingabemerkmale) und y
(zugehörige Labels), sodass sie einfach importiert werden. Diese Datei enthält außerdem model
, die Instanz der zuvor erstellten Perceptron
-Klasse.
Swipe to start coding
Vorhersagen mit dem trainierten Modell erhalten und dessen Leistung evaluieren:
- Aufteilen des Datensatzes in Trainings- (80 %) und Test- (20 %) Mengen.
- Trainieren des Modells für 10 Epochen mit einer Lernrate von
0.01
. - Erhalten von Vorhersagen für alle Beispiele im Testdatensatz.
- Berechnen der Genauigkeit durch Vergleich der vorhergesagten Labels mit den tatsächlichen Test-Labels.
Lösung
Danke für Ihr Feedback!
single
Fragen Sie AI
Fragen Sie AI
Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen
How do I use the `accuracy_score()` function with my perceptron model?
Can you show me how to import the dataset and model from `perceptron.py`?
What are the next steps to evaluate the perceptron on this dataset?
Awesome!
Completion rate improved to 4
Herausforderung: Bewertung des Perzeptrons
Swipe um das Menü anzuzeigen
Zur Bewertung des zuvor erstellten Perzeptrons wird ein Datensatz mit zwei Eingabemerkmalen und zwei unterschiedlichen Klassen (0
und 1
) verwendet:
Dieser Datensatz ist ausgeglichen, mit 500 Stichproben aus Klasse 1
und 500 Stichproben aus Klasse 0
. Daher ist Genauigkeit in diesem Fall ein ausreichendes Bewertungsmaß, das mit der Funktion accuracy_score()
berechnet werden kann:
accuracy_score(y_true, y_pred)
y_true
steht für die tatsächlichen Labels, während y_pred
die vorhergesagten Labels repräsentiert.
Der Datensatz ist in perceptron.py
als zwei NumPy-Arrays gespeichert: X
(Eingabemerkmale) und y
(zugehörige Labels), sodass sie einfach importiert werden. Diese Datei enthält außerdem model
, die Instanz der zuvor erstellten Perceptron
-Klasse.
Swipe to start coding
Vorhersagen mit dem trainierten Modell erhalten und dessen Leistung evaluieren:
- Aufteilen des Datensatzes in Trainings- (80 %) und Test- (20 %) Mengen.
- Trainieren des Modells für 10 Epochen mit einer Lernrate von
0.01
. - Erhalten von Vorhersagen für alle Beispiele im Testdatensatz.
- Berechnen der Genauigkeit durch Vergleich der vorhergesagten Labels mit den tatsächlichen Test-Labels.
Lösung
Danke für Ihr Feedback!
single