Wu deeplearning.ai C1W2 assignment2_2

Logistic Regression with a Neural Network mindset

Welcome to your first (required) programming assignment! You will build a logistic regression classifier to recognize cats. This assignment will step you through how to do this with a Neural Network mindset, and so will also hone your intuitions about deep learning.

Instructions:

  • Do not use loops (for/while) in your code, unless the instructions explicitly ask you to do so.

You will learn to:

  • Build the general architecture of a learning algorithm, including:
    • Initializing parameters
    • Calculating the cost function and its gradient
    • Using an optimization algorithm (gradient descent) 
  • Gather all three functions above into a main model function, in the right order.

这边的主要任务就是构建一个logistics回归的二分分类器去分类猫,主要分为如下几步:

1)导入所需要的package,对data进行preprocessing

2)编写必要的Basic function,比如sigmoid、initialize_with_zeros等等

3)最后构建model,测试

下面详细展开:

1.数据的导入以及预处理

import numpy as np
import matplotlib.pyplot as plt
import h5py
import scipy
from PIL import Image
from scipy import ndimage
from lr_utils import load_dataset

# Loading the data (cat/non-cat)
train_set_x_orig, train_set_y, tes
  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
兰州大学数据挖掘与大数据分析 Assignment 2 数据集(20 分) • 从UCI dataset repository 中下载以下数据集 –(10 分)自行下载一个数据集,要求既包含连续的数值型属性,也包含离散的符号型属 性(D1); –(10 分)IRIS(D2), Wine Quality (red vinho verde wine) (D3), Breast Cancer Wisconsin (Diag- nostic) Data Set (D4)。 下载以后,仔细阅读数据集的使用说明,理解其用途及每一列数据的含义。 分类器的训练和测试(60 分) •(15 分)逻辑回归:将D4 按照|Dtrain|:|Dtest =80% :20% 的比例进行划分,用Dtrain 训练 一个逻辑回归分类器,用Dtest 测试其性能,评价指标可以用accuracy、precision、recall 和 F1-measure; •(30 分)决策树、朴素贝叶斯:分别将D1、D2 按照一定的比例划分为训练集Dtrain 和测试 集Dtest(比例自行设定),用Dtrain 分别训练一个决策树分类器(自选决策树算法)和一 个朴素贝叶斯分类器,用Dtest 测试其性能,评价指标分别用accuracy、precision、recall 和 F1-measure 的macro、micro 版本; •(15 分)神经网络、SVM:分别将D2、D3 按一定的比例(自行设定)划分为训练集Dtrain 和 测试集Dtest,用Dtrain 分别训练神经网络(一个输入层、一个隐藏层、一个输出层,隐藏层 神经元数目自行设定)和支持向量机模型(SVM 调用sklearn 包中的实现即可),用Dtest 测 试训练所得分类器的性能。 撰写技术报告(20 分) 以科技论文的形式撰写assignment 的技术报告。 1 • 对于逻辑回归,应给出二分类的Confusion matrix,并给出各个指标的柱状图; • 对于决策树、朴素贝叶斯、神经网络、SVM,给出Confusion matrix,并对其进行分析、解释; • 对于决策树和朴树贝叶斯,以柱状图或折线图方式对比它们在每一数据集上的性能差异;对 于神经网络和SVM,同样对比其性能优劣; • 实验部分应对数据集进行介绍,参考文献中给出该数据集的原始出处并在报告正文中第一次 出现给数据集的地方添加对文献的引用; • 对实验结果的呈现,必须以文字形式进行阐述、解释或者说明,不能只是简单地展示结果的 图,否则会减分;调整图的大小,使之清晰美观,否则会减分; • 报告应以正规的书面语言进行客观的阐述,切勿使用口语化的表达方式或使用随意的网络用 语; • 插图应使用矢量图,图、表要添加编号与标题,并在正文中引用其编号; • 报告中对使用的算法应引用其出处的参考文献,引用格式为用方括号括起来的上标数字形式, 按引用的次序依次顺序编号,并在报告末尾添加“参考文献”一节;每一条文献条目中至少 应包括作者名,文章标题,期刊名,期号,卷号,出版年月,pp:页码范围,DOI 号或官网的 URL。 必须提交的材料 • 下载的数据集:各个数据集各自存入一个文件中,文件名为程序中使用该数据集时的名称; • python 的源程序:每个源程序存入一个文件,文件名能体现其作用; • pdf 版本的技术报告; • 以上三部分压缩成一个压缩包,以学号+ 姓名对压缩包进行命名。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值