A CLASSIFICAÇÃO BINARIA REDE NEURAL ARTIFICIAL

CLASSIFICAÇÃO BINARIA – REDE NEURAL ARTIFICIAL

0- benigno

1- maligno

Primeiro lê as bibliotecas e as bases de dados do registro(pega as entradas de um site onde lê os dados de uma imagem (exame))

função para criar rede, cria um classificador sequencial

camada oculta 1- também cria a camada de entrada, Dense = camada densa, toda conectada, unidades, ativação e inicializador baseados em um tuning “bem demorado”

dropout serve para eliminar um numero digitado % para zerar algumas unidades da camada que ajuda a prevenir o overfiting

overfiting- problemas que se adaptam muito na base e se for uma diferente ele tem uma precisão ruim, as resposta sem ele fica com muito distante um do outro

camada de saída é só uma saída e é usado sigmoid pois ele da um retorno entre 0 e 1, dense já vem com o bias

otimizador(adam) = serve para ajustar os pesos seus parâmetros pedidos é o learn rating, decay e  clipvalue

lr- tipo um passo que a formula da pra achar o peso exato, o decay decai no lr em cada passo e o clip seria uma ideia de proteger pra ele ficar no ponto que não seja nem muito antes e nem muito depois do desejado (na sair do padrão)

função de perda = melhor utilizada pra problemas binários com duas saídas e métrica binaria pra dar as respostas de 0 ou 1

builda a rede com biblioteca do keras, da um numero de épocas, quanto mais mais demorado porem o resultado tende a ficar melhor, batch size= numero de registro que é calculado antes de ajustar os pesos, 10 é indicado

treinamento com ativação cruzada, utilizando bibliotecas ele pega nosso classificador, e você da um numero pra repartir a base (cv) ele pega divide a base em 5 e usa 4 partes pra treino e uma pra testa na primeira passada, na segunda ele pega outras 4 e assim em diante e manda os resultados de precisao de cada teste

depois pego todas as partes e faço uma media pra retornar a precisão da rede neural

depois então criamos um registro novo com números aleatórios nas 30 entradas, porem condicentes nos padrões e fizemos uma previsão dele e ele retorna se o câncer é maligno ou benigno graças a função sigmoid ele retorna entre 1 e 0