Modelos de Red Neuronal

Introducción

En este laboratorio, aprenderemos sobre los modelos de red neuronal y cómo se pueden utilizar en tareas de aprendizaje supervisado. Las redes neuronales son un tipo popular de algoritmo de aprendizaje automático que pueden aprender patrones no lineales en los datos. A menudo se utilizan para tareas de clasificación y regresión.

Vamos a centrar específicamente en el algoritmo de Perceptrón Multicapa (MLP), que es un tipo de red neuronal que tiene una o más capas ocultas entre las capas de entrada y salida. El MLP puede aprender relaciones no lineales complejas en los datos, lo que lo hace adecuado para una amplia variedad de tareas.

Consejos sobre la VM

Una vez que se haya iniciado la VM, haga clic en la esquina superior izquierda para cambiar a la pestaña Cuaderno y acceder a Jupyter Notebook para practicar.

A veces, es posible que tenga que esperar unos segundos a que Jupyter Notebook termine de cargarse. La validación de las operaciones no se puede automatizar debido a las limitaciones de Jupyter Notebook.

Si tiene problemas durante el aprendizaje, no dude en preguntar a Labby. Deje comentarios después de la sesión y resolveremos rápidamente el problema para usted.

Importar las bibliotecas necesarias

from sklearn.neural_network import MLPClassifier

Cargar el conjunto de datos

## Cargar el conjunto de datos
X = [[0., 0.], [1., 1.]]
y = [0, 1]

Crear y entrenar el modelo MLP

## Crear un clasificador MLP con una capa oculta de 5 neuronas
clf = MLPClassifier(hidden_layer_sizes=(5,), random_state=1)

## Entrenar el modelo utilizando los datos de entrenamiento
clf.fit(X, y)

Realizar predicciones con el modelo entrenado

## Realizar predicciones para nuevas muestras
predictions = clf.predict([[0., 1.], [1., 0.]])

Evaluar el modelo

## Evaluar la precisión del modelo
accuracy = clf.score(X, y)

Resumen

En este laboratorio, aprendimos sobre los modelos de red neuronal, específicamente el algoritmo de Perceptrón Multicapa (MLP). Importamos las bibliotecas necesarias, cargamos el conjunto de datos, creamos y entrenamos un modelo MLP, hicimos predicciones con el modelo entrenado y evaluamos la precisión del modelo.

El MLP es un algoritmo poderoso que puede aprender patrones no lineales en los datos y se utiliza ampliamente para tareas de clasificación y regresión. Puede ser una herramienta útil en su herramienta de caja de herramientas de aprendizaje automático.