Neuronales Netzwerk mit Python (Scikit-Learn)

2020/2 hinzugefügt

Ausführlichere Inhalte finden Sie im folgenden Blog. https://kakedashi-engineer.appspot.com/2020/02/03/ml-sklearn/

Neuronale Netzwerkbibliothek

Es gibt einige Male, in denen ich mit einem neuronalen Netzwerk (Multilayer Perceptron) spielen möchte. In letzter Zeit wurden viele Bibliotheken für Tensorflow, Chainer, Theano und Deep Learning veröffentlicht, aber das Erstellen einer Umgebung kann etwas mühsam sein. Und aus irgendeinem Grund wurde das neuronale Netzwerk nicht in Scicit-Learn implementiert, was im maschinellen Lernen bekannt ist. (Übrigens gibt es auch eine Bibliothek namens PyBrain) scikit-learn 0.18.0 Das neuronale Netzwerk wurde jedoch schließlich in Version 0.18.0 implementiert, die im September 2016 veröffentlicht wurde. Jetzt können Sie das neuronale Netzwerk mit der bekannten supereinfachen API verwenden. Du hast es geschafft. Im folgenden Beispielcode wird die Irisklassifizierung durchgeführt.

sklearn_nn.py


# -*- coding: utf-8 -*-
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neural_network import MLPClassifier

iris = load_iris()
X = iris.data
y = iris.target
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)
clf = MLPClassifier(solver="sgd",random_state=0,max_iter=10000)
clf.fit(X_train, y_train)
print (clf.score(X_test, y_test))

neural_network.MLPClassifier() Außerdem neural_network.BernoulliRBM() neural_network.MLPRegressor() und so weiter.

API Informationen zu den Argumenten, die neural_network.MLPClassifier () verwendet. Für weitere Informationen offiziell http://scikit-learn.org/stable/modules/generated/sklearn.neural_network.MLPClassifier.html#sklearn.neural_network.MLPClassifier Ich möchte, dass Sie es sehen, aber ich werde es kurz zusammenfassen. (Die rechte Seite ist der Standardwert)

python


hidden_layer_sizes=(100, )#Anzahl der Knoten mit versteckten Ebenen(Kann mehrschichtig sein)
activation='relu'#Aktivierungsfunktion(identify, logistic, tanh, relu)
solver='adam'#Optimierungsmethode(lbfgs(Semi-Newton-Methode), sgd, adam)
alpha=0.0001
batch_size='auto'#Chargengröße(sgd,Bewerben Sie sich mit Adam)
learning_rate='constant'
learning_rate_init=0.001
power_t=0.5
max_iter=200#Maximale Anzahl von Epochen
shuffle=True#Mische die Probe bei jeder Iteration
random_state=None
tol=0.0001
verbose=False
warm_start=False
momentum=0.9
nesterovs_momentum=True
early_stopping=False
validation_fraction=0.1
beta_1=0.9
beta_2=0.999
epsilon=1e-08

Sie können sehen, dass es ziemlich fein eingestellt werden kann. Ist das nicht genug für die meisten Leute, die ein neuronales Netzwerk nutzen wollen? GPGPU usw. können jedoch nicht verwendet werden, daher sollten diese Personen Tensorflow usw. gehorsam verwenden.

Ergänzung: model_selection Modul

train_test_split befand sich zuvor im cross_validation-Modul. Es scheint von 0.18.0 auf das model_selection-Modul verschoben worden zu sein.

Recommended Posts

Neuronales Netzwerk mit Python (Scikit-Learn)
Neuronales Netzwerk mit OpenCV 3 und Python 3
3. Normalverteilung mit neuronalem Netz!
Neuronales Netz beginnend mit Chainer
[Python] Lineare Regression mit Scicit-Learn
Implementierung eines neuronalen Netzwerks in Python
4. Kreisparameter mit einem neuronalen Netzwerk!
Netzwerkprogrammierung mit Python Scapy
Einwegverzögerungsmessung des Netzwerks mit Python
PRML Kapitel 5 Python-Implementierung für neuronale Netze
Einfaches Klassifizierungsmodell mit neuronalem Netz
[TensorFlow] [Keras] Aufbau eines neuronalen Netzwerks mit Keras
Eine Python-Probe zum Lernen von XOR mit einem genetischen Algorithmus in einem neuronalen Netz
FizzBuzz in Python3
Komponieren Sie mit einem neuronalen Netzwerk! Führen Sie Magenta aus
Scraping mit Python
Statistik mit Python
Vorhersage von Zeitreihendaten mit einem neuronalen Netzwerk
Scraping mit Python
Python mit Go
Twilio mit Python
In Python integrieren
Spielen Sie mit 2016-Python
AES256 mit Python
Getestet mit Python
3. Verarbeitung natürlicher Sprache durch Python 2-1. Netzwerk für das gleichzeitige Auftreten
Python beginnt mit ()
DBSCAN mit Scikit-Learn
Behalten Sie das mit PyBrain aufgebaute neuronale Netzwerk bei
Clustering mit Scikit-Learn (1)
mit Syntax (Python)
Clustering mit Scikit-Learn (2)
PCA mit Scikit-Learn
Bingo mit Python
Zundokokiyoshi mit Python
Python & Machine Learning Study Memo ③: Neuronales Netz
kmeans ++ mit scikit-learn
2. Mittelwert und Standardabweichung beim neuronalen Netz!
Excel mit Python
Mikrocomputer mit Python
Parametrisches neuronales Netzwerk
Mit Python besetzen
[Python / Maschinelles Lernen] Warum Deep Learning # 1 Perceptron Neural Network
3. Verarbeitung natürlicher Sprache durch Python 2-2. Koexistenznetzwerk [mecab-ipadic-NEologd]
Experimentieren Sie mit verschiedenen Optimierungsalgorithmen im neuronalen Netz
Überprüfung der Chargennormalisierung mit einem mehrschichtigen neuronalen Netz
Generierung der Vorlagen-Netzwerkkonfiguration mit Python und Jinja2
Serielle Kommunikation mit Python
Zip, entpacken mit Python
Primzahlbeurteilung mit Python
Python mit Eclipse + PyDev.
Socket-Kommunikation mit Python
Datenanalyse mit Python 2
Scraping in Python (Vorbereitung)
Kreuzvalidierung mit Scikit-Learn
Versuchen Sie es mit Python.
Sequentielle Suche mit Python