課後練習 08

題目敘述與分數比率

• (70%)以下是一個將實驗重複五次的範例，請將 MLPClassifier 的參數內容進行修改，例如「hidden_layer_sizes=(32, 32)」，再跑另外五次，並將兩個五次的結果用 boxplot 繪製後，手動用視窗上的儲存按鈕，將繪製結果儲存成 png 檔案。

  import numpy as np
  from sklearn.datasets import load_digits
  from sklearn.model_selection import train_test_split
  from sklearn.neural_network import MLPClassifier
   
  dataset = load_digits()
  print('Data shapes:', dataset.data.shape, dataset.target.shape)
  
  for _ in range(5):
  	X_train, X_test, y_train, y_test = train_test_split(dataset.data, dataset.target)
  	model = MLPClassifier(hidden_layer_sizes=(256, 256))
  	model.fit(X_train, y_train)
  	pred = model.predict(X_test)
  	print('Accuracy: {:.2f}%'.format(100*np.mean(pred == y_test)))
  

  • 除了實際數據的不同以外，你的圖片請盡可能的與此相似，愈相似則在 demo 時會被問的問題可能就會愈少：
    
  • 你必須只使用一個 py 檔案完成此題目。
• (30%)請將 load_digits 更換為 load_wine，重複上一題的要求，並比較實驗結果是否有差異。

注意事項

• 本週僅允許該範例有 import 的函式庫，以及 matplotlib。
• 完成後，請將第一題的 py 檔案，以及兩題的圖片（png 檔），在 eeclass 專區以附件方式繳交。於課堂，教師將依繳交順序叫號 demo。
• 隔週 demo 者之折扣為八折。