Artificial Intelligence (AI) ua maua le tele o le lauiloa i tausaga talu ai nei.
Afai o oe o se enisinia polokalama, saienitisi komepiuta, poʻo se faʻataʻitaʻiga faʻasaienisi faʻamatalaga i se tulaga lautele, atonu o loʻo e fiafia i faʻaoga ofoofogia o le faʻaogaina o ata, faʻataʻitaʻiga o mamanu ma le suʻesuʻeina o mea e saunia e lenei fanua.
Ole vaega pito sili ona taua ole AI atonu na e fa'alogo iai ole Deep Learning. O lenei fanua e taulaʻi i algorithms mamana (faʻatonu polokalame komepiuta) faʻataʻitaʻiina i le gaioiga o le faiʻai o le tagata ua taʻua o Fesoʻotaʻiga Neural.
I totonu o lenei tusiga, o le a tatou faʻatalanoaina le manatu o Neural Networks ma pe faʻapefea ona fausia, faʻapipiʻi, fetaui ma iloilo nei faʻataʻitaʻiga e faʻaaoga ai. Python.
Fesoʻotaʻiga Neural
Neural Networks, poʻo NNs, o se faʻasologa o algorithms faʻataʻitaʻiina i le gaioiga o meaola o le faiʻai o le tagata. Neural Networks e aofia ai nodes, e taʻua foi o neu.
O se aofa'iga o pona tūsa'o e ta'ua o fa'apapa. O le faʻataʻitaʻiga e aofia ai le tasi faʻaoga, tasi le gaioiga, ma le tele o laupepa natia. O vaega ta'itasi e iai nodes, e ta'ua fo'i neu, lea e fai ai fa'atatau.
I le ata o loʻo mulimuli mai, o liʻo e faʻatusalia ai nodes ma o le tuʻufaʻatasia o faʻaputuga o nodes e faʻatusalia ai laulau. E tolu laulau i lenei faʻataʻitaʻiga.
O pona o le tasi apa e feso'ota'i i le isi fa'alava e ala i laina fa'asalalau e pei ona va'aia i lalo.
O a matou fa'amaumauga e aofia ai fa'amaumauga fa'ailoga. O lona uiga o fa'amaumauga ta'itasi ua tu'uina atu i ai se igoa fa'apitoa.
O lea mo se fa'avasegaga o manu o le a iai ata o pusi ma maile e fai ma a tatou fa'amaumauga, fa'atasi ai ma le 'cat' ma le 'dog' e fai ma a tatou fa'ailoga.
E taua le maitauina o igoa e tatau ona liua i numera numera mo la tatou faʻataʻitaʻiga e faʻamaonia ai, ona avea lea o tatou igoa o manu '0' mo pusi ma '1' mo taifau. O faʻamaumauga uma ma faʻailoga e pasia i le faʻataʻitaʻiga.
Aoaoina
E fafaga fa'amaumauga i le fa'ata'ita'iga ta'itasi fa'atasi i le taimi. O fa'amaumauga nei e vaevaeina i ni pusi ma pasia i pona ta'itasi o le fa'ata'ita'iga. O nodes e fa'atino galuega fa'a-matematika i luga o nei pusi.
E te le manaʻomia le iloa o galuega faʻa-matematika poʻo faʻatusatusaga mo lenei aʻoaʻoga, ae taua le i ai o se manatu lautele pe faʻafefea ona galue nei faʻataʻitaʻiga. A mae'a se fa'asologa o fa'atatauga i le tasi laulau, ona pasi atu lea o fa'amaumauga i le isi laulau ma fa'asolo atu ai.
A mae'a loa, o le matou fa'ata'ita'iga e va'ai le fa'ailoga o fa'amaumauga i le fa'aulufalega (fa'ata'ita'iga, i se fa'afitauli fa'avasegaina o manu matou te maua ai se va'aiga '0' mo se pusi).
Ona fa'asolo lea o le fa'ata'ita'iga e fa'atusatusa lenei tau fa'atatau ma le tau o le igoa moni.
Afai e fetaui tau, o le a ave e le tatou faʻataʻitaʻiga le isi faʻaoga ae afai e ese le tau o le a faʻatusatusa e le faʻataʻitaʻiga le eseesega i le va o tau e lua, e taʻua o le gau, ma fetuutuunai faʻatusatusaga o node e maua ai igoa tutusa i le isi taimi.
Auivi a'oa'oga loloto
Ina ia fausia Neural Networks i code, tatou te manaʻomia le faʻaulufale mai Auivi a'oa'oga loloto ua ta'ua o faletusi o lo'o fa'aogaina ai le tatou Si'osi'omaga Atina'e Fa'atasi (IDE).
O nei fa'ava'a o se aofa'iga o galuega na mua'i tusia e fesoasoani ia i tatou i lenei a'oa'oga. O le a matou faʻaogaina le faʻavae Keras e fausia ai la matou faʻataʻitaʻiga.
Keras o se faletusi Python e faʻaaogaina se aʻoaʻoga loloto ma faʻataʻitaʻiga faʻataʻitaʻi tua e taʻua tafega tensor e fatu ai NN i foliga o faʻataʻitaʻiga faʻasolosolo faigofie ma faigofie.
O Keras foi e sau ma ana lava faʻataʻitaʻiga muamua e mafai ona faʻaaogaina. Mo lenei aʻoaʻoga, o le a matou fatuina a matou lava faʻataʻitaʻiga e faʻaaoga ai Keras.
E mafai ona e a'oa'o atili e uiga i lenei fa'avae a'oa'oga loloto mai le Keras website.
Fausiaina o le Neural Network (A'oa'oga)
Sei o tatou agai i luma i le fausiaina o se Neural Network e faʻaaoga ai le Python.
Faʻamatalaga Faʻafitauli
Neural Networks o se ituaiga o fofo i faʻafitauli faʻavae AI. Mo lenei aʻoaʻoga o le a matou faʻaogaina le Pima Indians Diabetes Data, lea o loʻo avanoa iinei.
ICU Masini A'oa'oga ua tu'ufa'atasia lenei fa'amaumauga ma o loʻo i ai se faʻamaumauga faafomaʻi o gasegase Initia. O le matou fa'ata'ita'iga e tatau ona va'ai pe maua le ma'i i le ma'i suka i totonu o le 5 tausaga pe leai.
Tu'uina o Fa'amaumauga
O a matou fa'amaumauga o se faila CSV e tasi e ta'ua o le 'diabetes.csv' e faigofie ona fa'aogaina e fa'aoga ai le Microsoft Excel.
A'o le'i faia la tatou fa'ata'ita'iga, e mana'omia ona fa'aulufale mai a tatou fa'amaumauga. Fa'aaoga le code lea e mafai ona e faia lenei:
faaulufale pandas pei pd
fa'amaumauga = pd.read_csv('diabetes.csv')
x = data.drop(“Iuga”)
y = faʻamaumauga [“Tauaiga”]
O loʻo matou faʻaaogaina le panda faletusi ina ia mafai ona faʻaogaina a matou faʻamatalaga faila CSV, read_csv() o se galuega faʻapipiʻi a Pandas e mafai ai ona matou teuina faʻatauga i la matou faila i se fesuiaiga e taʻua o 'faʻamatalaga'.
Ole fesuiaiga x o lo'o iai a tatou fa'amaumauga e aunoa ma le taunu'uga (fa'ailoga) fa'amaumauga. Matou te ausia lenei mea i le data.drop() galuega e aveese ai igoa mo x, ae o le y o loʻo i ai naʻo le taunuʻuga (igoa) faʻamaumauga.
Fausia Fa'asologa Fa'asologa
Laasaga 1: Fa'aulufaleina o Faletusi
Muamua, tatou te manaʻomia le faʻaulufaleina mai o TensorFlow ma Keras, faʻatasi ai ma nisi faʻamaufaʻailoga e manaʻomia mo la tatou faʻataʻitaʻiga. O le tulafono lenei e mafai ai ona tatou faia lenei mea:
faaulufale mai tensorflow pei tf
mai tensorflow import keras
mai tensorflow.keras.models faaulufale mai Faasologa
mai tensorflow.keras.layers import Activation, Dense
mai tensorflow.keras.optimizers faaulufale mai Atamu
mai tensorflow.keras.metrics faaulufale mai categorical_crossentropy
Mo la matou faʻataʻitaʻiga o loʻo matou faʻaulufaleina mai i luga o laʻau mafiafia. O mea ia e feso'ota'i atoatoa; o lona uiga, o node ta'itasi i se apa e feso'ota'i atoatoa ma se isi node i le isi fa'alava.
O lo'o matou fa'aulufale mai fo'i se faatoaagaina galuega e mana'omia mo le fa'avasegaina o fa'amaumauga e lafo i nodes. Optimizers ua aumai foi mai fafo e faaitiitia ai le gau.
O Atamu o se ta'uta'ua optimizer lea e fa'apena atili ai le fa'avasegaina o le node fa'ata'ita'iga, fa'atasi ai ma categorical_crossentropy lea le ituaiga o galuega leiloa (fa'atatau le eseesega i le va o tau fa'ailoga moni ma va'aiga) o le a tatou fa'aogaina.
Laasaga 2: Fuafuaina o La Tatou Fa'ata'ita'iga
O le faʻataʻitaʻiga o loʻo ou fatuina e tasi le faʻaoga (ma le 16 iunite), tasi natia (faʻatasi ma le 32 iunite) ma le tasi mea faʻapipiʻi (faʻatasi ma le 2 iunite) layer. O nei fuainumera e le fa'amauina ma o le a fa'alagolago atoa ile fa'afitauli ua tu'uina atu.
O le setiina o le numera sa'o o iunite ma laulau o se faiga e mafai ona fa'aleleia ovataimi e ala i fa'ata'ita'iga. O le fa'agaoioiga e fetaui ma le ituaiga fa'aliga o le a matou fa'atinoina i luga oa matou fa'amaumauga a'o le'i pasi atu i se node.
Relu ma Softmax o taʻutaʻua galuega faʻafouina mo lenei galuega.
fa'ata'ita'iga = Fa'asologa([
Mafiafia(iunite = 16, input_shape = (1,), activation = 'relu'),
Mafiafia(iunite = 32, activation = 'relu'),
Mafiafia(iunite = 2, activation = 'softmax')
])
O le mea lenei e tatau ona foliga i ai le aotelega o le faʻataʻitaʻiga:
Aoaoina o le Fa'ata'ita'iga
O la matou faʻataʻitaʻiga o le a aʻoaʻoina i ni laasaga se lua, o le muamua o le tuʻufaʻatasia o le faʻataʻitaʻiga (tuu faʻatasi le faʻataʻitaʻiga) ma le isi o le faʻapipiʻiina o le faʻataʻitaʻiga i luga o se faʻamaumauga tuʻufaʻatasia.
E mafai ona faia lenei mea i le faʻaaogaina o le model.compile() galuega e sosoo ai ma le model.fit() galuega.
model.compile(optimizer = Atamu(learning_rate = 0.0001), gau = 'binary_crossentropy', metrics = ['sa'o'])
model.fit(x, y, epochs = 30, batch_size = 10)
O le fa'amaotiina o le 'sa'o' metric e mafai ai ona tatou mata'ituina le sa'o o la tatou fa'ata'ita'iga a'o a'oga.
Talu ai o matou fa'ailoga o lo'o i le tulaga o le 1's ma le 0's, o le a matou fa'aogaina se galuega fa'aletonu binary e fa'atatau le eseesega i le va o fa'ailoga moni ma va'aiga.
O lo'o vaevaeina fo'i fa'amaumauga i vaega o le 10 (batch_size) ma o le a fa'asolo atu i le fa'ata'ita'iga 30 taimi (epochs). Mo se fa'amaumauga tu'ufa'atasi, x o fa'amaumauga ma y o fa'ailoga e fetaui ma fa'amaumauga.
Fa'ata'ita'iga o Su'ega Fa'aaogā Va'aiga
Ina ia iloilo la matou faʻataʻitaʻiga, matou te faia faʻamatalaga i luga o faʻamaumauga o suʻega e faʻaaoga ai le predict() function.
valo'aga = model.predict(x)
Ma o le i ai!
Ua tatau nei ona e malamalama lelei i le Malamalama loloto talosaga, Neural Networks, pe faʻafefea ona latou galulue lautele ma pe faʻapefea ona fausia, toleni ma suʻe se faʻataʻitaʻiga ile Python code.
Ou te faʻamoemoe o lenei aʻoaʻoga e tuʻuina atu ia te oe le kickstart e fatu ai ma faʻapipiʻi au lava faʻataʻitaʻiga Deep Learning.
Taʻu mai ia i matou i faʻamatalaga pe a fesoasoani le tusiga.
Tuua se tali