Тема 2.5. Возможности библиотеки scikit-learn Python для реализации алгоритма k-means

Практическое задание 4

Тема 2.5. Возможности библиотеки scikit-learn Python для реализации алгоритма k-means

Формулировка задания:

Сгенерировать набор данных для построения регрессионной модели и обучить на этих данных нейронную сеть прямого распространения.

Рекомендации по выполнению задания

Алгоритм выполнения:

1.    Сгенерировать исходный набор данных. Для этого необходимо воспользоваться одним из генераторов библиотеки sklearn (https://scikit-learn.org/stable/modules/classes.html#module-sklearn.datasets из раздела Samples generator).

2.    Разделить исходную выборку данных на массив X независимых переменных и вектор значений y зависимой переменной.

3.    Разделить данные на обучающую и тестовую выборки.

4.    Задать параметры нейронной сети (обосновать выбор параметров) и произвести ее обучение. При этом необходимо:

●       нормировать исходные данные в зависимости от выбранных параметров нейронной сети;

●       замерить время, потребовавшееся на обучение нейронной сети;

●       вывести итоговые значения весовых коэффициентов.

5.    Определить точность работы нейронной сети на тестовой выборке:

●       рассчитать коэффициент детерминации;

●       рассчитать среднюю квадратичную ошибку.

6.    Представить текстовое описание выполнения каждого этапа работы.

Отчет по работе формируется в двух форматах:

●       .ipynb;

●       .pdf (ipynb, сохраненный в формате .pdf).