• 🏡 Home
  • 🚨 GDPR Compliant
  • ⚡️ Data Science
  • 📌 Machine Learning
  • 🔒 Privacy Preserving
  • 🏡 Home
  • 🚨 GDPR Compliant
  • ⚡️ Data Science
  • 📌 Machine Learning
  • 🔒 Privacy Preserving
Guide

Keras: rete neurale con un layer e un neruone | Machine Learning

Keras: rete neurale con un layer e un neruone | Machine Learning

In questo post abbiamo visto come un semplice neurone artificiale, senza l’ausilio di librerie come tensorflow, possa risolvere problemi di intelligenza artificiale grazie al machine learning.

Oggi vediamo come realizzare nuovamente un semplice script di machine learning attraverso il supporto di keras, un’API ad alto livello che consente la veloce creazione di reti neurali.

Reality: starting point

Ogni progetto di machine learning ha origine da una determinata realtà contraddistinta da una serie di dati e da una legge, una relazione, nota o sconosciuta che regola i dati.

Questo è il nostro dataset di partenza:

[ input ] : [-2.0,-1.0, 0.0, 1.0, 2.0, 8.0, 12.0]
[output ] : [-9.0, -6.0, 0.0, 0.0, 3.0, 21.0, 33.0]

La relazione tra l’input e l’output è la seguente:

y = x*3 - 3

Ci troviamo nella situazione di conoscere la relazione tra i dati, ma potrebbe capitare, come spesso succede, che questa preziosa informazione sia assente. Non è un problema: qui entra in gioco l’intelligenza artificiale.

Con l’ausilio di tecniche quali il deep learning, o il machine learning, è possibile estrarre da una serie di dati, attraverso l’iterazione in un numero elevato di epoche (cicli), grazie anche a specifiche funzioni matematiche, la relazione che consente di fare previsioni dell’ouput su input non forniti nella fase di training.

Questo è quello che andremo a fare.

Script: using keras to desing a net

Per poter procedere, occore che keras si installato propriamente nel nostro ambiente di lavoro. Io, da anaconda Prompt digito:

pip install keras

Iniziamo a scrivere lo script.

Importiamo le librerie:

from tensorflow import keras
import numpy as np

Quindi creiamo la nostra rete neurale, fatta di un semplice neurone e un solo layer:

model = keras.Sequential([keras.layers.Dense(units=1, input_shape=[1])])
model.compile(optimizer='sgd', loss='mean_squared_error')

Ora il nostro dataset:

x = np.array([-2.0,-1.0, 0.0, 1.0, 2.0, 8.0, 12.0], dtype=float)
y = np.array([-9.0, -6.0, 0.0, 0.0, 3.0, 21.0, 33.0], dtype=float)

Popoliamo il modello:

model.fit(x, y, epochs=500)

E proviamo a fare una predizione su un dato in input, il 9; l’output? Dovebbe essere 24:

print(model.predict([9.0]))

Eseguendo lo script, otteniamo:

[24.101503]

Ci piace!

Alla prossima!

Un caldo abbraccio, Andrea!

Written by Andrea Provino - Dicembre 26, 2018
Next Post
Previous Post

Una pubblicità che non vedi se usi AdBlock

EXPAND YOUR KNOWLEDGE

  • rust-react-webassembly-privacy-preserving-machine-learning Logs

    Rust, WebAssembly, React e un MVP

    Dicembre 21, 2020
  • diffie-hellman-key-exchange-protocol-scambio-di-chiavi-diffie-hellman Data Science, Privacy Preserving

    Cos’è lo scambio di chiavi Diffie-Hellman (DH)? | Privacy Preserving

    Dicembre 15, 2020
  • principio-di-esattezza-data-science-machine-learning-gdpr-data-accuracy Data Science, GDPR Compliant

    GDPR: Principio di esattezza dei dati (Data Accuracy)

    Dicembre 12, 2020
  • tensorflow-extended-tfx-deploy-machine-learning-guide-machine-learning-pipelines machine-learning

    TFX: come funziona Tensorflow Extended?

    Dicembre 9, 2020
  • tensorflow-extended-tfx-deploy-machine-learning-guide-machine-learning-pipelines machine-learning

    TensorFlow Extended (TFX) | Production Machine Learning Pipeline

    Dicembre 6, 2020
  • mean-shift-clustering-guida-italiano-spiegazione-semplice-algoritmo-di-clustering-esempio Data Science

    Mean-Shift Clustering

    Dicembre 3, 2020
  • data-minimization-principle-gdpr-principio-minimizzazione-dati-personali-gdpr-italia-consulenza-spiegazione-semplice Data Science, GDPR Compliant

    GDPR: Principio di minimizzazione dei dati (Data minimization)

    Dicembre 1, 2020
  • machine-learning-for-finance-trading-online-data-science-deep-learning-intelligenza-artificiale AI, machine-learning

    FinTech: Machine Learning for Finance (FinML) | Guide e Risorse di qualità

    Novembre 29, 2020
  • gdpr-principio-di-limitazione-della-finalita-machine-learning-data-science-guida-prupose-limitation-gdpr Data Science, GDPR Compliant

    GDPR: Principio di Limitazione della finalità | Purpose Limitation

    Novembre 26, 2020
  • machine-learning-engineer-lavoro-stipendio-responsabilità-come-diventare AI, Business, machine-learning

    Machine Learning Engineer

    Novembre 23, 2020

Quello che Google pensa ti possa piacere

Prodotti che i Cookie dicono potresti trovare interessanti

AI Blog - © 2019-2021 Andrea Provino