jbagnato / machine-learning

Código Python, Jupyter Notebooks, archivos csv con ejemplos para los ejercicios del Blog aprendemachinelearning.com y del libro Aprende Machine Learning en Español
http://www.aprendemachinelearning.com
GNU General Public License v3.0
505 stars 716 forks source link

Duda #4

Open Juan356826 opened 4 years ago

Juan356826 commented 4 years ago

Gracias de nuevo por el ejemplo.

El ejercicio me corrió correctamente en jupytrt. Quería consultarte acerca de una duda al inicio de la programación. Cuando creas las arrays para las 4 entradas de la función XOR y sus 4 salidas, estos es:

cargamos las 4 combinaciones de las compuertas XOR

training_data = np.array([[0,0],[0,1],[1,0],[1,1]], "float32")

y estos son los resultados que se obtienen, en el mismo orden

target_data = np.array([[0],[1],[1],[0]], "float32")

Después creas la red, la compilas, la entrenas y la evaluas.

model = Sequential() model.add(Dense(16, input_dim=2, activation='relu')) model.add(Dense(1, activation='sigmoid'))

model.compile(loss='mean_squared_error', optimizer='adam', metrics=['binary_accuracy'])

model.fit(training_data, target_data, epochs=1000)

evaluamos el modelo

scores = model.evaluate(training_data, target_data)

En donde se especifica o como hace la red para saber que cada elemento del array de la función XOR corresponde a cada elemento del array de la salida?. Esto es, como sabe que el primer elemento del array de de XOR corresponde al primer elemento del array de salida:

training_data = np.array([[0,0] --> target_data = np.array([[0] training_data = np.array([[0,1] --> target_data = np.array([[1] training_data = np.array([[1,0] --> target_data = np.array([[1] training_data = np.array([[1,1] --> target_data = np.array([[0]

Gracias y saludos.