Нейронный сети. Эволюция. Каниа Алексеевич Кан
выполнении кода, результат визуализации окажется следующим:
Исходники с программами вы можете найти по ссылке: https://github.com/CaniaCan/neuralmaster
Перед тем как описать полученный результат, сперва опишем работу нашего кода пакета matplotlib.
В функциях отображения входных данных – def func_data(x_data), def func_data(x_begin), def func_data(x), возвращаем координаты y, в соответствии со своими значениями по х.
Зададим имена графику – plt.title(), и числовым координатам – plt.xlabel():
plt.title("Neuron")
plt.xlabel("X")
plt.ylabel("Y")
Зададим имена входным данным и прямым – plt.plot(), в скобках укажем имя и цвет, plt.legend(loc=2) – определяет нахождение данных имен на плоскости:
plt.plot(x,y, label='Входные данные', color = 'g')
plt.plot(x,y, label='Готовая прямая', color = 'r')
plt.plot(x,y, label='Начальная прямая', color = 'b')
plt.legend(loc=2) #loc – локация имени, 2 – справа в углу
Метод scatter выводит на плоскость точки с заданными координатами:
plt.scatter(x_data, y_data, color ='g', s=10)
Метод plot выводит на плоскость прямую по заданным точкам:
plt.plot(x, y, 'r')
Ну и наконец отображаем все что натворили, командой plt.show().
Теперь разберем получившийся график. Синим – отмечена начальная прямая, которая изначально не выполняла никакой классификации. После обучения, значение коэффициента A, стабилизируется возле числа = 2.05. Если провести прямую функции y = Ax = 2.05*x, отмеченной красным на графике, то получим значения близкие к нашим входным данным (на графике – зеленые точки).
А что если, наш обученный нейрон смог бы правильно отвечать на вводимые пользователем данные? Если задать условие, что всё что выше красной линии относится к виду – жирафов, а ниже к виду – крокодилов:
x = input("Введите значение ширины Х: ")
x = int(x)
T = input("Введите значение высоты Y: ")
T = int(T)
y = A * x
# Условие
if T > y:
print('Это жираф!')
else:
print('Это крокодил!')
Функция input – принимает значение, вводимое пользователем. А условие гласит: если целевое значение (вводимое пользователем) больше ответа на выходе нейрона (выше красной линии), то сообщаем что – это жираф, иначе сообщаем что – это крокодил.
После ввода наших значений, получаем ответ:
Введите значение ширины Х: 4
Введите значение высоты Y: 15
Это жираф!
Теперь мы можем поздравить себя! Вся наша работа стала сводиться к тому, чтоб просто подавать на вход нейрона данные, не разбираясь в них самостоятельно. Нейрон сам классифицирует их и даст правильный ответ.
Если бы наши действия на работе сводились к подобным классификациям, то у нас появилась бы куча времени на кофе, очень важных общений в социальных сетях, и даже останется время, чтоб разложить пасьянс. И при всем этом можно выполнять ещё больший объём работы, что конечно же должно вознаграждаться премиальными и повышением зарплаты.
ГЛАВА 4
Добавляем входной параметр
Теперь представим, что нам приходит новое задание. Где, проанализировав самостоятельно данные, мы видим, что их координаты значительно отличаются от прежних. Теперь провести классифицирующую прямую, обладая в своем арсенале лишь коэффициентом крутизны – не выйдет!
Очевидно, что