Практическое задание 4

Тема 2.5. Возможности библиотеки scikit-learn Python для реализации алгоритма k-means

Формулировка задания:

Сгенерировать набор данных для построения регрессионной модели и обучить на этих данных нейронную сеть прямого распространения.

Рекомендации по выполнению задания

Алгоритм выполнения:

1. 
   Сгенерировать исходный набор данных. Для этого необходимо воспользоваться одним из генераторов библиотеки sklearn (https://scikit-learn.org/stable/modules/classes.html#module-sklearn.datasets из раздела Samples generator).
   
2. 
   Разделить исходную выборку данных на массив X независимых переменных и вектор значений y зависимой переменной.
   
3. 
   Разделить данные на обучающую и тестовую выборки.
   
4. 
   Задать параметры нейронной сети (обосновать выбор параметров) и произвести ее обучение. При этом необходимо:
   

• 
  нормировать исходные данные в зависимости от выбранных параметров нейронной сети;
  
• 
  замерить время, потребовавшееся на обучение нейронной сети;
  
• 
  вывести итоговые значения весовых коэффициентов.
  

5. 
   Определить точность работы нейронной сети на тестовой выборке:
   

• 
  рассчитать коэффициент детерминации;
  
• 
  рассчитать среднюю квадратичную ошибку.
  

6. 
   Представить текстовое описание выполнения каждого этапа работы.
   

Отчет по работе формируется в двух форматах:

• 
  .ipynb;
  
• 
  .pdf (ipynb, сохраненный в формате .pdf).
  

---

Смотрите также файлы

• Текущий контроль.docx

• Образовательная программа менеджмент организации.docx

• Методический кабинет мдоу Детский сад 81 Картотека 3 Учебные занятия Физическая культура.docx

• Психология Задание 1.docx

• 1. Описание проблемной ситуации в организации. Формулировка проблемы 3.doc