Ua loaʻa i ka Artificial Intelligence (AI) ka nui o ka kaulana i nā makahiki i hala iho nei.
Inā he ʻenekinia lako polokalamu ʻoe, ʻepekema lolouila, a i ʻole ʻepekema ʻikepili ma ke ʻano laulā, a laila makemake paha ʻoe i nā noi kupaianaha o ka hoʻoili kiʻi, ʻike kumu a me ka ʻike mea i hāʻawi ʻia e kēia kahua.
ʻO ka subfield koʻikoʻi o AI āu i lohe ai ʻo Deep Learning. Ke nānā nei kēia kahua i nā algorithms ikaika (nā kuhikuhi papahana kamepiula) i hoʻohālike ʻia ma muli o ka hana o ka lolo kanaka i kapa ʻia ʻo ʻOihana pūnaewele.
Ma kēia ʻatikala, e hele mākou i ka manaʻo o nā Neural Networks a pehea e kūkulu ai, hoʻohui, kūpono a loiloi i kēia mau hiʻohiʻona me ka hoʻohana ʻana. Python.
ʻOihana pūnaewele
ʻO Neural Networks, a i ʻole NNs, he pūʻulu algorithms i hoʻohālikelike ʻia ma hope o ka hana olaola o ka lolo kanaka. ʻO nā neural Networks he mau nodes, i kapa ʻia hoʻi nā neurons.
Ua ʻike ʻia kahi hōʻiliʻili o nā node kūpaʻa he mau papa. Aia i loko o ke kŘkohu hoʻokahi hoʻokomo, hoʻokahi puka, a me ka helu o nā papa huna. Aia kēlā me kēia papa i nā nodes, i kapa ʻia hoʻi nā neurons, kahi e helu ai nā helu.
Ma ke kiʻikuhi aʻe, hōʻike nā pōʻai i nā nodes a ʻo ka hōʻiliʻili kūpaʻa o nā nodes e hōʻike ana i nā papa. ʻEkolu papa o kēia kükohu.
Hoʻopili ʻia nā nodes o kahi papa i ka papa aʻe ma o nā laina hoʻouna e like me ka ʻike ma lalo nei.
Loaʻa kā mākou ʻikepili i nā ʻikepili i hōʻailona ʻia. ʻO ia hoʻi, ua hāʻawi ʻia kēlā me kēia hui ʻikepili i kahi waiwai inoa.
No laila no ka papa helu helu holoholona e loaʻa iā mākou nā kiʻi o nā pōpoki a me nā ʻīlio e like me kā mākou ʻikepili, me ka 'cat' a me ka 'ilio' ma kā mākou lepili.
Pono e hoʻomaopopo pono e hoʻololi ʻia nā lepili i nā waiwai helu no kā mākou kumu hoʻohālike e hoʻomaopopo ai iā lākou, no laila e lilo kā mākou lepili holoholona i '0' no ka pōpoki a me '1' no ka ʻīlio. Hoʻoholo ʻia nā ʻikepili a me nā lepili ma o ke kumu hoʻohālike.
Learning
Hāʻawi ʻia ka ʻikepili i ke kumu hoʻohālike i hoʻokahi hui i ka manawa. Hoʻokaʻawale ʻia kēia ʻikepili i nā ʻāpana a hele i kēlā me kēia node o ke kŘkohu. Hana nā nodes i nā hana makemakika ma kēia mau ʻāpana.
ʻAʻole pono ʻoe e ʻike i nā hana makemakika a i ʻole ka helu ʻana no kēia kumu aʻo, akā he mea nui ka loaʻa ʻana o ka manaʻo nui o ka hana ʻana o kēia mau hiʻohiʻona. Ma hope o ka helu ʻana i ka papa hoʻokahi, e hāʻawi ʻia ka ʻikepili i ka papa aʻe a pēlā aku.
Ke hoʻopau ʻia, wānana kā mākou kumu hoʻohālike i ka lepili ʻikepili ma ka papa hoʻopuka (no ka laʻana, i loko o kahi pilikia hoʻohālikelike holoholona e loaʻa iā mākou kahi wānana '0' no kahi pōpoki).
Hoʻomaka ka kŘkohu e hoʻohālikelike i kēia waiwai wānana me ka waiwai o ka lepili maoli.
Inā like nā waiwai, e lawe kā mākou kŘkohu i ka hoʻokomo aʻe akā inā ʻokoʻa nā waiwai, e helu ke kumu hoʻohālike i ka ʻokoʻa ma waena o nā waiwai ʻelua, i kapa ʻia he poho, a hoʻoponopono i nā helu node e hana i nā lepili like i ka manawa aʻe.
Nā Papahana Hoʻonaʻauao Hohonu
No ke kūkulu ʻana i nā Neural Networks i ke code, pono mākou e hoʻokomo Nā papa hana hoʻonaʻauao hohonu ʻike ʻia he hale waihona puke e hoʻohana ana i kā mākou Integrated Development Environment (IDE).
He hōʻuluʻulu kēia o nā hana i kākau mua ʻia e kōkua iā mākou i kēia kumu aʻo. E hoʻohana mākou i ka ʻōnaehana Keras e kūkulu i kā mākou kumu hoʻohālike.
ʻO Keras kahi waihona Python e hoʻohana ana i kahi aʻo hohonu a me ka ʻike ʻike hana i kapa ʻia Pulelehua e hana i nā NN ma ke ʻano o nā hiʻohiʻona maʻalahi me ka maʻalahi.
Hele mai ʻo Keras me kāna mau hiʻohiʻona mua i hiki ke hoʻohana pū kekahi. No kēia kumu aʻo, e hana mākou i kā mākou kumu hoʻohālike me Keras.
Hiki iā ʻoe ke aʻo hou aʻe e pili ana i kēia hoʻolālā Deep Learning mai ka Pūnaewele Keras.
Ke kūkulu ʻana i kahi Pūnaewele Neural (Aʻo)
E neʻe kākou i ke kūkulu ʻana i kahi Neural Network me ka Python.
Hōʻike pilikia
ʻO Neural Networks kahi ʻano hoʻonā i nā pilikia pili AI. No kēia kumu aʻo e hele mākou ma luna o ka Pima Indians Diabetes Data, i loaʻa maanei.
ICU Ua hōʻuluʻulu ʻo Machine Learning i kēia ʻikepili a loaʻa kahi moʻolelo olakino o nā maʻi India. Pono kā mākou kumu hoʻohālike e wānana inā loaʻa ka maʻi maʻi i ka maʻi diabetes i loko o 5 mau makahiki a i ʻole.
Ke hoʻouka nei i ka ʻikepili
ʻO kā mākou papa helu he waihona CSV hoʻokahi i kapa ʻia ʻo 'diabetes.csv' hiki ke maʻalahi me ka hoʻohana ʻana iā Microsoft Excel.
Ma mua o ka hana ʻana i kā mākou kumu hoʻohālike, pono mākou e hoʻokomo i kā mākou waihona. Ke hoʻohana nei i kēia code hiki iā ʻoe ke hana i kēia:
lawe mai i nā pandas e like me pd
ʻikepili = pd.read_csv('diabetes.csv')
x = data.drop(“Ka hopena”)
y = ʻikepili["Hua"]
Eia mākou e hoʻohana nei i ka Nā Pandas hale waihona puke e hiki ai ke hoʻohana i kā mākou ʻikepili faila CSV, read_csv() kahi hana i kūkulu ʻia o Pandas e hiki ai iā mākou ke mālama i nā waiwai i loko o kā mākou faila i kahi loli i kapa ʻia ʻo 'data'.
Loaʻa i ka helu x kā mākou ʻikepili me ka ʻole o ka ʻikepili hopena (labels). Hoʻokō mākou i kēia me ka hana data.drop() e wehe i nā lepili no x, ʻoiai ʻo y ka ʻikepili hopena (label) wale nō.
Ke Ana Hoʻohālike Hale
KaʻAnuʻu 1: lawe mai i nā hale waihona puke
ʻO ka mea mua, pono mākou e hoʻokomo iā TensorFlow a me Keras, me kekahi mau ʻāpana i koi ʻia no kā mākou kumu hoʻohālike. Hiki iā mākou ke hana i kēia:
lawe mai i ka tensorflow e like me tf
mai tensorflow import paʻakikī
mai tensorflow.keras.models hoʻokomo i ka Sequential
mai tensorflow.keras.layers import Activation, Dense
mai tensorflow.keras.optimizers hoʻokomo iā Adamu
mai tensorflow.keras.metrics hoʻokomo i ka categorical_crossentropy
No kā mākou kumu hoʻohālike ke lawe mai nei mākou i nā ʻāpana paʻa. He mau papa pili piha keia; ʻo ia hoʻi, pili pono kēlā me kēia node i kahi papa me kekahi node ma ka papa aʻe.
Ke lawe mai nei mākou i kahi ho'āʻoʻia pono no ka hoʻonui ʻana i ka ʻikepili i hoʻouna ʻia i nā nodes. Nā mea hoʻolālā ua lawe ʻia mai e hōʻemi i ka pohō.
He mea hoʻomaʻamaʻa kaulana ʻo Adam e hoʻomaikaʻi maikaʻi i kā mākou kumu hoʻohālikelike node helu helu, me categorical_crossentropy ʻo ia ke ʻano o ka hana poho (heluhelu i ka ʻokoʻa ma waena o nā waiwai lepili maoli a wānana) a mākou e hoʻohana ai.
KaʻAnuʻu Hana 2: Hoʻolālā i kā mākou Hoʻohālike
ʻO ke kŘkohu aʻu e hana nei he hoʻokahi mea hoʻokomo (me 16 mau ʻāpana), hoʻokahi huna (me 32 mau ʻāpana) a me hoʻokahi papa puka (me 2 ʻāpana). ʻAʻole paʻa kēia mau helu a e hilinaʻi loa ia i ka pilikia i hāʻawi ʻia.
ʻO ka hoʻonohonoho ʻana i ka helu kūpono o nā ʻāpana a me nā ʻāpana he kaʻina e hiki ke hoʻomaikaʻi ʻia ma o ka hoʻomaʻamaʻa. ʻO ka hoʻoulu ʻana e pili ana i ke ʻano o ka scaling a mākou e hana ai ma kā mākou ʻikepili ma mua o ka hele ʻana i kahi node.
ʻO Relu a me Softmax nā hana hoʻoulu kaulana no kēia hana.
kumu hoʻohālike = Sequential([
Paʻa (nā ʻāpana = 16, ʻano_hoʻokomo = (1,), hoʻāla = 'relu'),
Paʻa(hui = 32, hoʻāla = 'relu'),
Paʻa (nā ʻāpana = 2, hoʻāla = 'softmax')
])
Eia ke ʻano o ka hōʻuluʻulu manaʻo o ke kŘkohu:
Aʻo i ka Model
E hoʻomaʻamaʻa ʻia kā mākou kumu hoʻohālike i ʻelua mau ʻanuʻu, ʻo ka mea mua ʻo ka hōʻuluʻulu ʻana i ke kumu hoʻohālike (e hoʻohui pū ana i ke kumu hoʻohālike) a ʻo ka mea aʻe e hoʻokomo i ke kumu hoʻohālike ma kahi ʻikepili i hāʻawi ʻia.
Hiki ke hana i kēia me ka hana model.compile() i ukali ʻia e ka hana model.fit().
model.compile(optimizer = Adam(learning_rate = 0.0001), poho = 'binary_crossentropy', metrics = ['accuracy'])
model.fit(x, y, mau manawa = 30, nui_hui = 10)
ʻO ke kikoʻī ʻana i ka metric 'pololei' hiki iā mākou ke nānā i ka pololei o kā mākou kumu hoʻohālike i ke aʻo ʻana.
No ka mea aia kā mākou lepili ma ke ʻano o 1 a me 0, e hoʻohana mākou i kahi hana poho binary e helu i ka ʻokoʻa ma waena o nā lepili maoli a me ka wānana.
Hoʻokaʻawale ʻia ka ʻikepili i nā pūʻulu o 10 (batch_size) a e hele ʻia ma ke kumu hoʻohālike he 30 mau manawa (mau manawa). No ka ʻikepili i hāʻawi ʻia, ʻo x ka ʻikepili a ʻo y nā lepili e pili ana i ka ʻikepili.
Hoʻāʻo ʻana i ke ʻano hoʻohana i nā wānana
No ka loiloi i kā mākou kumu hoʻohālike, hana mākou i nā wānana ma ka ʻikepili hoʻāʻo me ka hoʻohana ʻana i ka hana wānana ().
wānana = model.predict(x)
A ʻo ka!
Pono ʻoe i kēia manawa e hoʻomaopopo maikaʻi i ka Hoʻopiha hohonu noi, Neural Networks, pehea lākou e hana ai ma ka laulā a pehea e kūkulu ai, hoʻomaʻamaʻa a hoʻāʻo i kahi kumu hoʻohālike ma Python code.
Manaʻo wau e hāʻawi kēia kumu aʻo iā ʻoe i ka kickstart e hana a kau i kāu mau hiʻohiʻona Deep Learning.
E ʻike iā mākou i nā manaʻo inā kōkua ka ʻatikala.
Waiho i ka Reply