AI-For-Beginners/translations/uk/lessons/3-NeuralNetworks/03-Perceptron/lab

Багатокласова класифікація з перцептроном

Лабораторне завдання з AI for Beginners Curriculum.

Завдання

Використовуючи код, який ми розробили в цьому уроці для бінарної класифікації рукописних цифр MNIST, створіть багатокласовий класифікатор, який зможе розпізнавати будь-яку цифру. Обчисліть точність класифікації на навчальному та тестовому наборах даних і виведіть матрицю плутанини.

Підказки

1. Для кожної цифри створіть набір даних для бінарного класифікатора "ця цифра проти всіх інших цифр".
2. Навчіть 10 різних перцептронів для бінарної класифікації (по одному для кожної цифри).
3. Визначте функцію, яка буде класифікувати вхідну цифру.

Підказка: Якщо ми об'єднаємо ваги всіх 10 перцептронів в одну матрицю, ми зможемо застосувати всі 10 перцептронів до вхідних цифр за допомогою однієї матричної операції множення. Найбільш ймовірну цифру можна знайти, просто застосувавши операцію argmax до вихідних даних.

Початковий ноутбук

Розпочніть лабораторну роботу, відкривши PerceptronMultiClass.ipynb

---

Відмова від відповідальності:
Цей документ був перекладений за допомогою сервісу автоматичного перекладу Co-op Translator. Хоча ми прагнемо до точності, будь ласка, майте на увазі, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ на його рідній мові слід вважати авторитетним джерелом. Для критичної інформації рекомендується професійний людський переклад. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникають внаслідок використання цього перекладу.