IIS_2023_1/romanova_adelina_lab_6

Лабораторная работа №6. Вариант 21

Тема:

Нейронная сеть

Модель:

MLPClassifier

Как запустить программу:

Установить python, numpy, matplotlib, sklearn

python lab.py

Какие технологии использовались:

Язык программирования Python, библиотеки numpy, matplotlib, sklearn

Среда разработки VSCode

Что делает лабораторная работа:

В ходе исследования нейронных сетей, в особенности многослойных перцептронов (MLP), был проведен тщательный анализ влияния архитектуры сети на её производительность в задаче классификации стадий сердечных заболеваний. Эксперименты с различными конфигурациями слоев и их размерами позволили более глубоко понять, какие параметры сети оказывают наибольшее влияние на точность прогнозов.

В качестве MLP в коде использовался класс sklearn.neural_network.MLPClassifier и целевой задачей являлось предсказание наличие болезни сердца (0 - отсутствует, а 1,2,3,4 - стадии)

Процесс подготовки данных и обучение MLP представлен на изображении ниже и качество оценки составило 0.83, данное число представляет точность оценки и вычисляется как отношение правильных ответов к общему количеству ответов. Важно отметить, что данный MLP состоял только из одного скрытого слоя с размером = 100.

При MLP, содержащим два скрытых состояния с размерами 300 и 100 соответственно получилось добиться точности в примерно 0.92.

При MLP, содержащим четыре скрытых состояния с размерами 150, 100, 50 и 50 соответственно получилось добиться точности в 0.95.

При MLP, который содержит 5 слоев с размерами 100, 400, 600, 400, 100, то есть самая большая с точки зрения архитектуры модель имеет наилучший показать точности.

Вывод

На основе проведенных экспериментов можно сделать вывод, что при усложнении архитектуры нейронной сети мы получаем улучшение в ее качестве.