uc — фреймворк глубокого обучения для анализа данных

Windows Linux

Сравнительное тестирование

• uc.mlp.MLP VS sklearn.neural_network.MLPRegressor

Установка

pip install uc

Функциональные особенности

• Поддержка важности признаков.
• Обработка пропущенных значений.
• Поддерживаемые функции активации: am2/am2l/a2m2/a2m2l.
• Поддерживаемые функции потерь: softmax/hardmax/mse/hardmse.
• Поддерживаемые операции: fc/add/conv.

Первый пример

# Давайте рассмотрим простой пример, чтобы узнать, как использовать
from uc.mlp import MLP
import numpy as np

# Создаём выборку
X = np.linspace(-np.pi, np.pi, num=5000).reshape(-1, 1)
Y = np.sin(X)
print(X.shape, Y.shape)

# Подгонка и прогнозирование
mlp = MLP(layer_size=[X.shape[1], 8, 8, 8, 1], rate_init=0.02, loss_type="mse", epoch_train=100, epoch_decay=10, verbose=1)

mlp.fit(X, Y)
pred = mlp.predict(X)

# Показываем результат
import matplotlib.pyplot as plt  
plt.plot(X, pred)
plt.show()

Другие примеры

• Классификация: iris
• Регрессия: рисование изображений
• Классификация: mnist