IIS_2023_1/volkov_rafael_lab_1

Общее задание: Используя код из пункта «Регуляризация и сеть прямого распространения» из [1] (стр. 228), сгенерируйте определенный тип данных и сравните на нем 3 модели (по варианту). Постройте графики, отобразите качество моделей, объясните полученные результаты.

8 вариант: Данные: make_circles (noise=0.2, factor=0.5, random_state=rs) Модели:

• Персептрон · Многослойный персептрон с 10-ю нейронами в скрытом слое (alpha = 0.01) · Многослойный персептрон со 100-а нейронами в скрытом слое (alpha = 0.01)

Запуск осуществляется через файл app.py

Технологии:

Flask: Веб-фреймворк для Python, используется для создания веб-приложения. NumPy: Библиотека для работы с массивами и матрицами, используется для генерации данных. scikit-learn: Библиотека для машинного обучения, используется для построения и обучения моделей. Matplotlib: Библиотека для визуализации данных, используется для создания графиков. mlxtend: Библиотека для визуализации решающих границ. Описание работы программы:

При запуске приложения через Flask создается веб-сервер. Пользователь открывает веб-страницу, которая содержит кнопку "Compare Models". При нажатии на кнопку генерируются данные (make_circles) и тренируются три модели: Perceptron, MLP с 10 нейронами и MLP с 100 нейронами. Для каждой модели строятся графики с решающими границами и вычисляется точность модели на тестовых данных. Результаты (графики и точности) отображаются на веб-странице. Входные данные:

Нет явных входных данных от пользователя. Данные генерируются программой (make_circles). Выходные данные:

Визуализация решающих границ для трех моделей (Perceptron, MLP с 10 нейронами, MLP с 100 нейронами). Точность каждой модели на тестовых данных отображается на веб-странице.