Desafío: Evaluación del Perceptrón
Para evaluar el perceptrón previamente creado, se utilizará un conjunto de datos que contiene dos características de entrada y dos clases distintas (0
y 1
):
Este conjunto de datos está balanceado, con 500 muestras de la clase 1
y 500 muestras de la clase 0
. Por lo tanto, la precisión es una métrica suficiente para la evaluación en este caso, la cual se puede calcular utilizando la función accuracy_score()
:
accuracy_score(y_true, y_pred)
y_true
representa las etiquetas reales, mientras que y_pred
representa las etiquetas predichas.
El conjunto de datos se almacena en perceptron.py
como dos arreglos de NumPy: X
(características de entrada) y y
(etiquetas correspondientes), por lo que simplemente se importarán. Este archivo también contiene model
, que es la instancia de la clase Perceptron
creada previamente.
Swipe to start coding
Obtener predicciones del modelo entrenado y evaluar su desempeño:
- Dividir el conjunto de datos en entrenamiento (80%) y prueba (20%).
- Entrenar el modelo durante 10 épocas con una tasa de aprendizaje de
0.01
. - Obtener predicciones para todos los ejemplos en el conjunto de prueba.
- Calcular la precisión comparando las etiquetas predichas con las etiquetas reales de prueba.
Solución
¡Gracias por tus comentarios!
single
Pregunte a AI
Pregunte a AI
Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla
Awesome!
Completion rate improved to 4
Desafío: Evaluación del Perceptrón
Desliza para mostrar el menú
Para evaluar el perceptrón previamente creado, se utilizará un conjunto de datos que contiene dos características de entrada y dos clases distintas (0
y 1
):
Este conjunto de datos está balanceado, con 500 muestras de la clase 1
y 500 muestras de la clase 0
. Por lo tanto, la precisión es una métrica suficiente para la evaluación en este caso, la cual se puede calcular utilizando la función accuracy_score()
:
accuracy_score(y_true, y_pred)
y_true
representa las etiquetas reales, mientras que y_pred
representa las etiquetas predichas.
El conjunto de datos se almacena en perceptron.py
como dos arreglos de NumPy: X
(características de entrada) y y
(etiquetas correspondientes), por lo que simplemente se importarán. Este archivo también contiene model
, que es la instancia de la clase Perceptron
creada previamente.
Swipe to start coding
Obtener predicciones del modelo entrenado y evaluar su desempeño:
- Dividir el conjunto de datos en entrenamiento (80%) y prueba (20%).
- Entrenar el modelo durante 10 épocas con una tasa de aprendizaje de
0.01
. - Obtener predicciones para todos los ejemplos en el conjunto de prueba.
- Calcular la precisión comparando las etiquetas predichas con las etiquetas reales de prueba.
Solución
¡Gracias por tus comentarios!
single