logongas

Herramientas de usuario

Herramientas del sitio

Traza:
clase:iabd:pia:1eval:tema01

Diferencias

Muestra las diferencias entre dos versiones de la página.

Enlace a la vista de comparación

Ambos lados, revisión anterior Revisión previa
Próxima revisión 		Revisión previa
Próxima revisión Ambos lados, revisión siguiente
clase:iabd:pia:1eval:tema01 [2021/09/19 17:38]
admin [Ejercicios] 		clase:iabd:pia:1eval:tema01 [2023/10/21 11:39]
admin [Ejercicios]
Línea 113: Línea 113:
 from sklearn.datasets import load_iris from sklearn.datasets import load_iris
 from matplotlib.colors import LightSource from matplotlib.colors import LightSource
 +import random
  
 iris=load_iris() iris=load_iris()
Línea 126: Línea 127:
 np.random.seed(5) np.random.seed(5)
 tf.random.set_seed(5) tf.random.set_seed(5)
 +random.seed(5)  
  
 model=Sequential() model=Sequential()
Línea 183: Línea 184:
 np.random.seed(5) np.random.seed(5)
 tf.random.set_seed(5) tf.random.set_seed(5)
 +random.seed(5)  
 </sxh> </sxh>
  
Línea 345: Línea 347:
 Obtén el resultado de la red neuronal para las siguientes entradas e indica el tipo de flor que ha calcula la red neuronal. Obtén el resultado de la red neuronal para las siguientes entradas e indica el tipo de flor que ha calcula la red neuronal.
  
-|  **Largo Sépalo**  |  **Largo Pétalo**  |  **Resultado red neuroral**  |  ** Tipo de Flor(0 o 1)**  |+|  **Largo Sépalo**  |  **Largo Pétalo**  |  **Resultado red neuronal**  |  ** Tipo de Flor(0 o 1)**  |
 |  5.4   |  1.7   |    |    | |  5.4   |  1.7   |    |    |
 |  5.5   |  4.0   |    |    | |  5.5   |  4.0   |    |    |
Línea 353: Línea 355:
  
 Los cambios son los siguientes: Los cambios son los siguientes:
-  * No random seed+  * **No random seed**
 Deberás eliminar las siguientes líneas: Deberás eliminar las siguientes líneas:
 <sxh python> <sxh python>
 np.random.seed(5) np.random.seed(5)
 tf.random.set_seed(5) tf.random.set_seed(5)
 +random.seed(5)  
 </sxh> </sxh>
  
Línea 378: Línea 381:
 Ahora muestra los resultados en la siguiente tabla Ahora muestra los resultados en la siguiente tabla
  
-|  **Largo Sépalo**  |  **Largo Pétalo**  |  **Resultado red neuroral Original**  |  **No random seed**  |  **2 épocas**  |  **Red neuronal pequeña**  |  **Tipo de Flor(0 o 1)**  |+|  **Largo Sépalo**  |  **Largo Pétalo**  |  **Resultado red neuronal Original**  |  **No random seed**  |  **2 épocas**  |  **Red neuronal pequeña**  |  **Tipo de Flor(0 o 1)**  |
 |  5.4   |  1.7   |    |    |    |    |    | |  5.4   |  1.7   |    |    |    |    |    |
 |  5.5   |  4.0   |    |    |    |    |    | |  5.5   |  4.0   |    |    |    |    |    |
Línea 415: Línea 418:
 Prueba a ver si funciona ahora la red neuronal con el nuevo tipo de flor. Prueba a ver si funciona ahora la red neuronal con el nuevo tipo de flor.
  
-|  **Largo Sépalo**  |  **Largo Pétalo**  |  **Resultado red neuroral**  |  ** Tipo de Flor **  |+|  **Largo Sépalo**  |  **Largo Pétalo**  |  **Resultado red neuronal**  |  ** Tipo de Flor **  |
 |  6.9   |  5.1   |    |    | |  6.9   |  5.1   |    |    |
 |  7.7   |  6.1   |    |    | |  7.7   |  6.1   |    |    |
Línea 472: Línea 475:
  
 {{ :clase:iabd:pia:1eval:nucleos_celulares_cancer.png?direct&400 |}} {{ :clase:iabd:pia:1eval:nucleos_celulares_cancer.png?direct&400 |}}
 +
 +Y los histogramas de todos los datos son los siguientes:
 +
 +{{ :clase:iabd:pia:1eval:breast_cancer_kde.png?direct |}}
 +
 +Podemos ven en los histogramas que no hay una forma fácil de saber si una célula es o no cancerígena.
 +
 +<note important>
 +En vez de incluir todos los datos en la red neuronal , habría que hacer un Análisis exploratorio de datos (EDA) y por ejemplo eliminar las columnas que están relacionadas.
 +</note>
 +
 +Imprime el valor de la fila 56 tanto de la ''x'' como de la ''y''.
 +
 +<sxh>
 +#Para que los datos no se muestren con notación científica
 +np.set_printoptions(suppress=True) 
 +
 +print(x[56],y[56])
 +</sxh>
 +
 +Ahora indica los valores de la ''x'' y la ''y'' para la fila 204.
 +
 +
 +Crea una red neuronal en las que en cada capa tenga los siguientes números de neuronas:
 +
 +|  **Nº Capa**  |  **Nº Neuronas**  |
 +|   1º  |  60   |
 +|   2º  |  100   |
 +|   3º  |  60   |
 +|   4º  |  30   |
 +|   5º  |  15   |
 +|   6º  |  1   |
 +
 +
 +Rellena la siguiente tabla y muestrala
 +
 +|  **Fila Datos**  | **Resultado ''verdadero''**  |  **Resultado red neuronal**  |
 +|   56  |     |    |
 +|   204  |     |    |
 +
 +
 +
 +
 +
 +==== Ejercicio 6 ====
 +En este caso, vamos a utilizar un conjunto de datos para clasificar tipos de vino.
 +
 +Los datos se obtienen de la siguiente forma:
 +
 +<sxh python>
 +from sklearn.datasets import load_wine
 +
 +wine=load_wine()
 +
 +x = wine.data
 +y = wine.target
 +</sxh>
 +
 +Igual que el ejercicio anterior, deberás hacer 3 redes neuronales distintas ( llamadas **A**, **B** y **C**) y comprobar las predicciones con 4 conjuntos de datos distintos  (llamados **1º**, **2º**, **3º** y **4º**).
 +
 +|  Datos  |  Resultado red neuronal **A**  |  Resultado red neuronal **B**  |  Resultado red neuronal **C**  |  ** Resultado Real **  |
 +|   **1º**  |     |    |    |
 +|   **2º**  |     |    |    |
 +|   **3º**  |     |    |    |
 +|   **4º**  |     |    |    |
 +
  
  
clase/iabd/pia/1eval/tema01.txt · Última modificación: 2023/10/22 14:28 por admin

Herramientas de la página

Excepto donde se indique lo contrario, el contenido de este wiki esta bajo la siguiente licencia: GNU Free Documentation License 1.3
GNU Free Documentation License 1.3 Donate Powered by PHP Valid HTML5 Valid CSS Driven by DokuWiki