شبکه های عصبی مصنوعی چیست؟ هرآنچه باید درباره ANN بدانید!

import numpy as np

import pandas as pd

import tensorflow as tf

# load the dataset  مجموعه داده را بارگیری کنید

dataset = pd.read_csv(‘your_dataset.csv’)

# separate the independent variables (X) from the dependent variable (y)

X = dataset.iloc[:, :-1].values

y = dataset.iloc[:, -1].values

# split the dataset into training and testing sets مجموعه داده را به مجموعه های آموزشی و آزمایشی تقسیم کنید

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

# create the ANN model مدل شبکه عصبی مصنوعی را ایجاد کنید

model = tf.keras.models.Sequential( )

# add the input layer and the first hidden layer لایه ورودی و اولین لایه پنهان را اضافه کنید

model.add(tf.keras.layers.Dense(units=6, activation=’relu’, input_dim=X_train.shape[1]))

# add the second hidden layer لایه پنهان دوم را اضافه کنید

model.add(tf.keras.layers.Dense(units=6, activation=’relu’))

# add the output layer لایه خروجی را اضافه کنید

model.add(tf.keras.layers.Dense(units=1, activation=’sigmoid’))

# compile the model مدل را کامپایل کنید

model.compile(optimizer=’adam’, loss=’binary_crossentropy’, metrics=[‘accuracy’])

# train the model مدل را آموزش دهید

model.fit(X_train, y_train, batch_size=32, epochs=100)

# evaluate the model  مدل را ارزیابی کنید

test_loss, test_acc = model.evaluate(X_test, y_test)

print(‘Test accuracy:’, test_acc)