توضیحات
شبیه سازی طبقه بندی دیتاست haberman به کمک شبکه عصبی با متلب
در این پروژه قصد داریم دیتاست haberman از مجموع دیتاست های سایت UCI را با شبکه عصبی دسته بندی کنیم. این دیتاست شامل سه ویژگی و یک برچسب است. برچسب ها مقادیر 1 و2 دارند که نشان میدهند که این دیتاست شامل 2 کلاس است. ویژگی های موجو در دیتاست به صورت عددی هستند و نیازی به تبدیل مقادیر کاراکتری به عددی نیست.
در این تمرین از ساختارهای مختلف شبکه عصبی برای آموزش استفاده میکنیم و در پایان بررسی میکنیم که کدام ساختار بهترین دقت را داشته است.
روند پیاده سازی
مراحل کار در این تمرین به شرح زیر است:
-
بارگذاری دادگان
ابتدا دیتاست را در متلب بارگذاری میکنیم
-
جداسازی داده و برچسب
آخرین ستون داده ها شامل برچسب کلاس هاست. این برچسب ها را از داده ها جدا میکنیم
-
مخلوط کردن داده ها
داده ها را مخلوط میکنیم که توزیع کلاسها به صورت تصادفی باشد. به عبارت دیگر، ورودی داده ها به شبکه به صورت مرتب شده بر حسب کلاسها نباشد چون در عملکرد شبکه اخلال ایجا میکند
-
تقسیم دادگان به داده های تست و آموزش
داده ها را به دو قسمت تبدیل میکنیم. 70 درصد داده ها را آموزشی در نظر میگیریم و 30 درصد را داده های تست
-
آموزش شبکه با داده های آموزش
شبکه را چندین ساختار مختلف آموزش میدهیم
-
بررسی عملکرد شبکه روی داده های تست
بعد از آموزش شبکه ، شبکه را با داده های آزمایشی تست میکنیم
-
ارائه خروجی
در پایان نمودار میله ای دقت شبکه روی داده های تست را نشان میدهیم.
شبیه سازی طبقه بندی دیتاست haberman به کمک شبکه عصبی با متلب
شبیه سازی طبقه بندی دیتاست haberman به کمک شبکه عصبی با متلب توسط کارشناسان گروه ۱.۲.۳ پروژه پیاده سازی گردیده و به تعداد محدودی قابل فروش می باشد.
- فایلهای پروژه به صورت کامل پس از خرید فایل بلافاصله در اختیار شما قرار خواهد گرفت.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.