Utmaning: Utvärdera Perceptron
För att utvärdera den tidigare skapade perceptronen används en datamängd med två indatafunktioner och två distinkta klasser (0
och 1
):
Denna datamängd är balanserad, med 500 prover från klass 1
och 500 prover från klass 0
. Därför är noggrannhet en tillräcklig metrisk för utvärdering i detta fall, vilket kan beräknas med funktionen accuracy_score()
:
accuracy_score(y_true, y_pred)
y_true
representerar de faktiska etiketterna, medan y_pred
representerar de förutsagda etiketterna.
Datamängden lagras i perceptron.py
som två NumPy-arrayer: X
(indatafunktioner) och y
(motsvarande etiketter), så de kommer helt enkelt att importeras. Denna fil innehåller även model
, som är instansen av klassen Perceptron
som du tidigare skapade.
Swipe to start coding
Hämta förutsägelser från den tränade modellen och utvärdera dess prestanda:
- Dela upp datasettet i träning (80 %) och test (20 %) uppsättningar.
- Träna modellen i 10 epoker med en inlärningshastighet på
0.01
. - Hämta förutsägelser för alla exempel i testuppsättningen.
- Beräkna noggrannheten genom att jämföra de förutsagda etiketterna med de faktiska testetiketterna.
Lösning
Tack för dina kommentarer!
single
Fråga AI
Fråga AI
Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal
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
Utmaning: Utvärdera Perceptron
Svep för att visa menyn
För att utvärdera den tidigare skapade perceptronen används en datamängd med två indatafunktioner och två distinkta klasser (0
och 1
):
Denna datamängd är balanserad, med 500 prover från klass 1
och 500 prover från klass 0
. Därför är noggrannhet en tillräcklig metrisk för utvärdering i detta fall, vilket kan beräknas med funktionen accuracy_score()
:
accuracy_score(y_true, y_pred)
y_true
representerar de faktiska etiketterna, medan y_pred
representerar de förutsagda etiketterna.
Datamängden lagras i perceptron.py
som två NumPy-arrayer: X
(indatafunktioner) och y
(motsvarande etiketter), så de kommer helt enkelt att importeras. Denna fil innehåller även model
, som är instansen av klassen Perceptron
som du tidigare skapade.
Swipe to start coding
Hämta förutsägelser från den tränade modellen och utvärdera dess prestanda:
- Dela upp datasettet i träning (80 %) och test (20 %) uppsättningar.
- Träna modellen i 10 epoker med en inlärningshastighet på
0.01
. - Hämta förutsägelser för alla exempel i testuppsättningen.
- Beräkna noggrannheten genom att jämföra de förutsagda etiketterna med de faktiska testetiketterna.
Lösning
Tack för dina kommentarer!
single