Skip to content

Latest commit

 

History

History
24 lines (14 loc) · 2.94 KB

File metadata and controls

24 lines (14 loc) · 2.94 KB

Πολυταξική Ταξινόμηση με Perceptron

Εργαστηριακή Άσκηση από το AI for Beginners Curriculum.

Εργασία

Χρησιμοποιώντας τον κώδικα που αναπτύξαμε σε αυτό το μάθημα για τη δυαδική ταξινόμηση των χειρόγραφων ψηφίων MNIST, δημιουργήστε έναν πολυταξικό ταξινομητή που θα μπορεί να αναγνωρίζει οποιοδήποτε ψηφίο. Υπολογίστε την ακρίβεια ταξινόμησης στο σύνολο δεδομένων εκπαίδευσης και δοκιμής και εκτυπώστε τον πίνακα σύγχυσης.

Υποδείξεις

  1. Για κάθε ψηφίο, δημιουργήστε ένα σύνολο δεδομένων για δυαδικό ταξινομητή "αυτό το ψηφίο έναντι όλων των άλλων ψηφίων".
  2. Εκπαιδεύστε 10 διαφορετικούς perceptrons για δυαδική ταξινόμηση (έναν για κάθε ψηφίο).
  3. Ορίστε μια συνάρτηση που θα ταξινομεί ένα εισαγόμενο ψηφίο.

Υπόδειξη: Εάν συνδυάσουμε τα βάρη όλων των 10 perceptrons σε έναν πίνακα, θα πρέπει να μπορούμε να εφαρμόσουμε και τους 10 perceptrons στα εισαγόμενα ψηφία με έναν πολλαπλασιασμό πινάκων. Το πιο πιθανό ψηφίο μπορεί στη συνέχεια να βρεθεί απλώς εφαρμόζοντας τη λειτουργία argmax στην έξοδο.

Αρχικό Notebook

Ξεκινήστε την άσκηση ανοίγοντας το PerceptronMultiClass.ipynb


Αποποίηση Ευθύνης:
Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία αυτόματης μετάφρασης Co-op Translator. Παρόλο που καταβάλλουμε προσπάθειες για ακρίβεια, παρακαλούμε να έχετε υπόψη ότι οι αυτόματες μεταφράσεις ενδέχεται να περιέχουν σφάλματα ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα θα πρέπει να θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για τυχόν παρεξηγήσεις ή εσφαλμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.