Herramientas de usuario
clase:iabd:pia:1eval:tema01
Diferencias
Muestra las diferencias entre dos versiones de la página.
| Ambos lados, revisión anterior Revisión previa Próxima revisión | Revisión previa Próxima revisión Ambos lados, revisión siguiente | ||
|
clase:iabd:pia:1eval:tema01 [2021/09/19 18:03] admin [Ejercicios] |
clase:iabd:pia:1eval:tema01 [2023/06/05 11:07] admin [Código en Python] |
||
|---|---|---|---|
| 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) | ||
| </ | </ | ||
| Línea 353: | Línea 355: | ||
| Los cambios son los siguientes: | Los cambios son los siguientes: | ||
| - | * 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) | ||
| </ | </ | ||
| Línea 472: | Línea 475: | ||
| {{ : | {{ : | ||
| + | |||
| + | Y los histogramas de todos los datos son los siguientes: | ||
| + | |||
| + | {{ : | ||
| + | |||
| + | 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. | ||
| + | </ | ||
| Deberás hacer 3 redes neuronales distintas ( llamadas **A**, **B** y **C**) y comprobar las predicciones con 4 conjuntos de datos distintos | Deberás hacer 3 redes neuronales distintas ( llamadas **A**, **B** y **C**) y comprobar las predicciones con 4 conjuntos de datos distintos | ||
| + | |||
| + | Usando la web [[http:// | ||
| | Datos | Resultado red neuronal **A** | Resultado red neuronal **B** | Resultado red neuronal **C** | ** Resultado Real ** | | | Datos | Resultado red neuronal **A** | Resultado red neuronal **B** | Resultado red neuronal **C** | ** Resultado Real ** | | ||
| Línea 482: | Línea 497: | ||
| | | | | ||
| - | Para ver los datos junto a su preducción | + | Para ver los datos junto a su predicción |
| <sxh python> | <sxh python> | ||
| np.set_printoptions(threshold=np.inf) | np.set_printoptions(threshold=np.inf) | ||
| Línea 531: | Línea 546: | ||
| Siendo la última columna es resultado que debe dar. Y las 30 primeras columnas la entrada al método '' | Siendo la última columna es resultado que debe dar. Y las 30 primeras columnas la entrada al método '' | ||
| + | |||
| + | ==== 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 | ||
| + | </ | ||
| + | |||
| + | 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 | ||
| + | |||
| + | | Datos | Resultado red neuronal **A** | Resultado red neuronal **B** | Resultado red neuronal **C** | ** Resultado Real ** | | ||
| + | | | ||
| + | | | ||
| + | | | ||
| + | | | ||
| + | |||
| + | |||
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
