Muhammad Al-Xorazmiy nomidagi Toshkent Axborot Texnoogiyalari Universiteti Farg’ona Filiali Mavzu

Chuqur O'rganish Ramkalari

Neyron tarmoqlarini kodda yaratish uchun biz import qilishimiz kerak Chuqur o'rganish ramkalari Integratsiyalashgan rivojlanish muhitimizdan (IDE) foydalanadigan kutubxonalar sifatida tanilgan.
Ushbu ramkalar bizga ushbu qo'llanmada yordam beradigan oldindan yozilgan funktsiyalar to'plamidir. Biz modelimizni yaratish uchun Keras ramkasidan foydalanamiz.
Keras - bu chuqur o'rganish va sun'iy intellektdan foydalanadigan Python kutubxonasi Tensor oqimi osonlik bilan oddiy ketma-ket modellar ko'rinishida NN yaratish.
Keras, shuningdek, ishlatilishi mumkin bo'lgan o'zining oldindan mavjud modellari bilan birga keladi. Ushbu qo'llanma uchun biz Keras yordamida o'z modelimizni yaratamiz.
Ushbu Deep Learning tizimi haqida ko'proq bilib olishingiz mumkin Keras veb-sayti.

Neyron Tarmoqni Qurish (Qo‘llanma)

Keling, Python yordamida neyron tarmog'ini qurishga o'tamiz.

Muammo Bayonoti

Neyron tarmoqlar AIga asoslangan muammolarni hal qilishning bir turi. Ushbu o'quv qo'llanma uchun biz Pima hindularining diabetga oid ma'lumotlarini ko'rib chiqamiz, u mavjud Bu yerga.
UCI Machine Learning ushbu maʼlumotlar toʻplamini tuzdi va hindistonlik bemorlarning tibbiy rekordini o'z ichiga oladi. Bizning modelimiz bemorda 5 yil ichida diabetning boshlanishi yoki yo'qligini taxmin qilish kerak.

Maʼlumotlar Toʻplami Yuklanmoqda

Bizning maʼlumotlar toʻplamimiz “diabetes.csv” deb nomlangan yagona CSV fayl boʻlib, uni Microsoft Excel yordamida osonlik bilan boshqarish mumkin.
Modelimizni yaratishdan oldin biz ma'lumotlar to'plamini import qilishimiz kerak. Quyidagi kod yordamida buni amalga oshirishingiz mumkin:
pandalarni pd sifatida import qilish
ma'lumotlar = pd.read_csv('diabet.csv')
x = data.drop("Natija")
y = ma'lumotlar["Natija"]
Bu erda biz foydalanamiz Pandas kutubxonasi CSV fayl ma'lumotlarimizni boshqarish imkoniyatiga ega bo'lsa, read_csv() Pandas-ning o'rnatilgan funksiyasi bo'lib, bizga faylimizdagi qiymatlarni "ma'lumotlar" deb nomlangan o'zgaruvchiga saqlash imkonini beradi.
X o'zgaruvchisi natija (yorliqlar) ma'lumotlarisiz bizning ma'lumotlar to'plamini o'z ichiga oladi. Biz bunga x uchun teglarni olib tashlaydigan data.drop() funksiyasi bilan erishamiz, y esa faqat natija (yorliq) maʼlumotlarini oʻz ichiga oladi.