Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lernen Herausforderung: Bewertung des Perzeptrons | Neural Network von Grund Auf
Einführung in Neuronale Netze

bookHerausforderung: 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.

Aufgabe

Swipe to start coding

Vorhersagen mit dem trainierten Modell erhalten und dessen Leistung evaluieren:

  1. Aufteilen des Datensatzes in Trainings- (80 %) und Test- (20 %) Mengen.
  2. Trainieren des Modells für 10 Epochen mit einer Lernrate von 0.01.
  3. Erhalten von Vorhersagen für alle Beispiele im Testdatensatz.
  4. Berechnen der Genauigkeit durch Vergleich der vorhergesagten Labels mit den tatsächlichen Test-Labels.

Lösung

War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 2. Kapitel 12
single

single

Fragen Sie AI

expand

Fragen Sie AI

ChatGPT

Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen

Suggested prompts:

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?

close

Awesome!

Completion rate improved to 4

bookHerausforderung: 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.

Aufgabe

Swipe to start coding

Vorhersagen mit dem trainierten Modell erhalten und dessen Leistung evaluieren:

  1. Aufteilen des Datensatzes in Trainings- (80 %) und Test- (20 %) Mengen.
  2. Trainieren des Modells für 10 Epochen mit einer Lernrate von 0.01.
  3. Erhalten von Vorhersagen für alle Beispiele im Testdatensatz.
  4. Berechnen der Genauigkeit durch Vergleich der vorhergesagten Labels mit den tatsächlichen Test-Labels.

Lösung

Switch to desktopWechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden
War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 2. Kapitel 12
single

single

some-alt