Uitdaging: Evaluatie van de Perceptron
Om de eerder gemaakte perceptron te evalueren, wordt een dataset gebruikt met twee invoerkenmerken en twee verschillende klassen (0
en 1
):
Deze dataset is gebalanceerd, met 500 voorbeelden uit klasse 1
en 500 voorbeelden uit klasse 0
. Daarom is nauwkeurigheid een voldoende maatstaf voor evaluatie in dit geval, wat berekend kan worden met de functie accuracy_score()
:
accuracy_score(y_true, y_pred)
y_true
staat voor de werkelijke labels, terwijl y_pred
de voorspelde labels weergeeft.
De dataset is opgeslagen in perceptron.py
als twee NumPy-arrays: X
(invoerkenmerken) en y
(overeenkomende labels), zodat deze eenvoudig geïmporteerd kunnen worden. Dit bestand bevat ook model
, de instantie van de Perceptron
-klasse die eerder is aangemaakt.
Swipe to start coding
Verkrijg voorspellingen van het getrainde model en evalueer de prestaties:
- Verdeel de dataset in trainings- (80%) en test- (20%) sets.
- Train het model gedurende 10 epochs met een leersnelheid van
0.01
. - Verkrijg voorspellingen voor alle voorbeelden in de testset.
- Bereken de nauwkeurigheid door de voorspelde labels te vergelijken met de werkelijke testlabels.
Oplossing
Bedankt voor je feedback!
single
Vraag AI
Vraag AI
Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.
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
Uitdaging: Evaluatie van de Perceptron
Veeg om het menu te tonen
Om de eerder gemaakte perceptron te evalueren, wordt een dataset gebruikt met twee invoerkenmerken en twee verschillende klassen (0
en 1
):
Deze dataset is gebalanceerd, met 500 voorbeelden uit klasse 1
en 500 voorbeelden uit klasse 0
. Daarom is nauwkeurigheid een voldoende maatstaf voor evaluatie in dit geval, wat berekend kan worden met de functie accuracy_score()
:
accuracy_score(y_true, y_pred)
y_true
staat voor de werkelijke labels, terwijl y_pred
de voorspelde labels weergeeft.
De dataset is opgeslagen in perceptron.py
als twee NumPy-arrays: X
(invoerkenmerken) en y
(overeenkomende labels), zodat deze eenvoudig geïmporteerd kunnen worden. Dit bestand bevat ook model
, de instantie van de Perceptron
-klasse die eerder is aangemaakt.
Swipe to start coding
Verkrijg voorspellingen van het getrainde model en evalueer de prestaties:
- Verdeel de dataset in trainings- (80%) en test- (20%) sets.
- Train het model gedurende 10 epochs met een leersnelheid van
0.01
. - Verkrijg voorspellingen voor alle voorbeelden in de testset.
- Bereken de nauwkeurigheid door de voorspelde labels te vergelijken met de werkelijke testlabels.
Oplossing
Bedankt voor je feedback!
single