Tugas Besar Machine Learning Bagian A
Anggota Kelompok:
- 13520001 - Fayza Nadia
- 13520014 - Muhammad Helmi Hibatullah
- 13520026 - Muhammad Fajar Ramadhan
- 13520029 - Muhammad Garebaldhie Er Rahman
- numpy
- graphviz for visualization
Model yang dibuat menggunakan format seperti berikut
file sigmoid.json
{
"layers": 2,
"activation_functions": ["sigmoid"],
"neurons": [2, 3],
"weights": [
[
[0.4, 0.2, 0.1],
[0.2, 0.4, 0.2],
[0.1, 0.2, 0.4]
]
],
"rows": 1,
"data_names": ["x1", "x2"],
"data": [[0.2, 0.4]],
"target_names": ["false", "true"],
"target": [[0.617747, 0.58904, 0.574442]],
"max_sse": 0.000001
}
layers
: berisi banyaknya layer pada ffnn. Input layer merupakan layer sehingga perlu dimasukan juga ke dalam array neurons
activation_functions
: memiliki jumlah layers - 1
karena activation functions menghubungkan dari layer ke layer. Activation functions yang valid berupa sigmoid
, relu
, linear
, dan softmax
neurons
: berisi banyaknya neurons pada setiap layers
weights
: weights berisi bobot yang menghubungkan setiap layer. Weights harus memiliki panjang layers - 1
.
- dimensi 1 merupakan array yang menyimpan weights dari setiap layer
- dimensi 2 merupakan array yang menyimpan weights dari setiap neuron. Misal layer berikutnya ialah
y
, index ke 0 artinya bobot untuky1
, index 1 untuky2
dan index 2 untuky3
- dimensi 3 merupakan array yang menyimpan bobot dari suatu neuron dimulai dari bias.
[0.4, 0.2, 0.1]
berarti 0.4 adalah bias, 0.2 merupakan bobotx1
dan 0.1 merupakan bobotx2
rows
: merupakan panjang array data yang diberikan
data_names
: merupakan nama attribut dari data yang diberikan
data
: merupakan input yang akan di prediksi
target_names
: merupakan hasil kelas prediksi yang menyatakan klasifikasi biner
target
: merupakan hasil output dari FFNN
max_sse
: merupakan max squared sum error yang ditoleransi
- Create virtualenv by using
virtualenv venv
- Activate virtualenv
- Windows:
./venv/Scripts/activate
- Unix:
source ./venv/bin/activate
- Windows:
- Install all the dependencies
pip install -r requirements.txt
- Run the main program
python main.py
- Use
google colab
,jupyter
orjupyter for vscode
for opening ipynb files - Run all the celss