Trabalho 10

Conteúdos

Nome da Atividade: MLP para reconhecimento de flores

Nome e Matrícula: Lucas Lima do Nascimento - 12111ECP024

Introdução e Desenvolvimento:

Nesse trabalho, tentei explorar as diferenças entre um MLP com uma fração da base de dados sendo usada para validar e sem essa fração.

Para isso, utilizei o SKLearn para implementar o MLP com todos os ferramentais necessários para poder aprender.

Obtive resultados interessantes. Como a base de dados era muito pequena (apenas 150 informações), a rede neural que fracionava sua base de dados acaba perdendo muito poder de reconhecimento dos dados.

Untitled

Também plotei as curvas relativas às perdas de cada um dos MLPs. Esses foram os gráficos obtidos:

Sem separação:

No eixo Y - Valor da perda, no eixo X - número de iterações

Com separação:

No eixo Y - Valor da perda, no eixo X - número de iterações

Sobrepostas:

No eixo Y - Valor da perda, no eixo X - número de iterações

Código:

from sklearn.neural_network import MLPClassifier
from pandas import read_excel as rx
from matplotlib import pyplot
import numpy as np

#Loading the data
dataset_init=rx('iris_data.xlsx',names=['Setal_length','Setal_width','Petal_length','Petal_width','Class'])
dataset=dataset_init.values
values=dataset[:,0:4] #Values
classes=dataset[:,4]   #Classes
mlp=MLPClassifier(hidden_layer_sizes=(100,), activation='logistic', solver='sgd', alpha=0.00001, max_iter=3000)
mlp_with_separation_data=MLPClassifier(hidden_layer_sizes=(100,), early_stopping=True, validation_fraction=0.1, activation='logistic', solver='sgd', alpha=0.00001, max_iter=3000)

#Training
mlp.fit(values,classes)
mlp_with_separation_data.fit(values,classes)
print("Acerto do MLP sem separação da base de dados dos testes: ",mlp.score(values,classes))
print("Acerto do MLP com separação da base de dados dos testes: ",mlp_with_separation_data.score(values,classes))

#Plotting
pyplot.plot(mlp.loss_curve_)
pyplot.savefig('mlp_loss.png')

pyplot.plot(mlp_with_separation_data.loss_curve_)
pyplot.savefig('mlp_separation_loss.png')

#Guessing
setal_length = float(input("Digite o valor do comprimento da setala "))
setal_width =  float(input("Digite o valor da largura da setala "))
petal_length = float(input("Digite o valor do comprimento da petala "))
petal_width = float(input("Digite o valor da largura da petala "))
new_flower = np.array([setal_length,setal_width,petal_length,petal_width]).reshape(1,-1)

pred_mlp = mlp.predict(new_flower)
pred_mlp_with_separation_data = mlp_with_separation_data.predict(new_flower)

print("Previsão do MLP sem separação dos dados: ",pred_mlp[0])
print("Previsão do MLP com separação dos dados: ",pred_mlp_with_separation_data[0])

Repositório com o código e imagens geradas:

ML/iris at master · LLxD/ML