Künstliches neuronales Netz - Python programmieren
HTML-код
- Опубликовано: 12 сен 2024
- In diesem Video zeigt euch Justus, wie ihr mit Python ein künstliches neuronales Netz implementieren könnt.
Daten:
drive.google.c...
Ähnlicher Code mit gleichen Daten:
www.freecodeca...
Quellen:
docs.paperspac...
blog.clairvoya...
Hi. Ich arbeite in letzter Zeit schon mehr mit machine learning und lese mich aktuell in Neuronale Netze ein. Mittlerweile kenne ich mich halbwegs gut aus, aber ich muss sagen, dieses Video! TOP! Hab noch kein Video gefunden welches auf deutsch es so einfach erklärt, dass man das easy nachmachen kann und auch herum spielen kann.
Danke dir dafür, auch wenn die Anerkennung 2 Jahre später erst kommt!
Was ich mir wünschen würde ist ein Video, in dem du erklärst, wie man das trainierte Netz in ein neues Pythonprogramm importiert und damit mit neuen Daten Voraussagen/Zuordnungen erstellt.
Hallo Justus, super video. Schade das leider nicht noch mehr Videos gekommen sind. Du kannst super erklären
Danke für deinen netten Kommentar! In der letzten Zeit ist viel bei uns passiert, aber wir haben geplant, dass in Zukunft wieder Videos kommen :)
~ Justus
@5:35 transformierst du die Daten. Macht das nicht eine Vorhersage schwierig? So werden die Werte doch zwischen 0-1 angepasst. Wenn ich nun _andere_ Werte (aus einem anderen Datensatz) auf das Modell anwenden will geht das doch nicht mehr, da die Transformation eine Vergleichbarkeit erschweren/verhindern. Richtig? So wie du es auch am Ende @16:25 tust. Dort kopierst du andere Daten (ja, die passt du mit transform wieder an, aber wieso ist die Art der Transformation identisch? Sind die nicht relativ zum Maximum/Minimum der im df enthaltenen Werte?)
(btw hi, gutes Video, nach f'cking 10h endlich etwas nachvollziehbares online gefunden...)
Ach und noch eine Frage. Du hast im Video ja Klassifikation benutzt. Ich habe das ganze auf Regression gemünzt, nur, dass meine Predictions ziemlich stark vom eigl. Wert abweichen. Das geht so weit, dass meine accuracy bei "0.0000e+00" liegt. Wie auch immer das passiert...
Der loss ist ebenfalls erstaunlich hoch, das liegt aber vermtl. daran, dass die Zielvariable/der Output 5 stellig ist (das als mse ist natürlich deutlich höher). Zumindest sing er aber kontinuierlich. Hast du vielleicht eine Idee, was ich ändern/verbessern könnte oder eignet sich der Ansatz hier nicht bei der Regression? [eine Sache habe ich geändert. Statt beim Output-Layer die activation="sigmoid" zu setzen habe ich sie auf "linear" gesetzt, da ich ja die Werte will, und nicht 0/1]
Ich weiß nicht, ob du das noch liest, aber würde mich mega freuen! Habe in 10 Tagen eine Abgabe und müsste das bis dahin hinbekommen
Wir wollen "predicten". Du bist ein ganz großer Philosoph, Justus. Mega. Unpräzises Sprechen ist die direkte Folge von unpräzisem Denken.
Hallo Justus, cooles Video! Ich hab dieses kleine Beispiel als mein erstes Python Programm "nachprogrammiert". Mir ist jedoch etwas aufgeallen. Liegt in Zeile 33 nicht eventuell ein Fehler vor? Die Testdaten nur nach den Testdaten zu skalieren? Diese Daten werden ja nach dem Minimum und Maximum der Testdaten dann skaliert. Das NN ist aber mit skalierten Werten aus der df tabelle trainiert worden. Auch wenn es am Ergebnis nichts ändert hier aber ist dem eventuell so? Was sagst du dazu?
super video schnell alles wichtige zusammengefasst
Hey, super Video. Bei mir ist Tensorflow ausgegraut. Also es wird nicht genutzt :/ hab ich was vergessen?
könnte man auch in Zeile 17: model = tf.keras.models.Sequential() statt model = sequential(), dann würde man tensorflow mit nutzen, aber bringt das etwas?
Wenn ich jetzt die Daten eines konkreten Hauses habe, wofür ich diese KI ja schließlich trainiert und getestet habe, wie bekomme ich dann die Daten dieses EINEN Datensatzes normiert, um die KI verwenden zu können?
ich finde das super cool hab auch ne konkrete Idee aber, ich ab gar keine Ahnung
:(