- Nhóm thực hiện: Nhóm 4 Môn học

- Tên sinh viên: Trí Tuệ nhân tạo

Vũ Nguyễn Mạnh Hùng 21146472 BÁO CÁO TUẦN 6

- Cũng như mọi bài tập thì việc đầu tiên ta phải thêm cái thư viện để tiện cho việc
tính toán
-
- Với bài tập này thì thầy cho file với kiểu dữ liệu là Matlab nên ta không đọc bằng
thư viện pandas giống mọi lân mà phải đọc bằng loadmat rồi cũng lấy X và y ra
như mọi lần.
-
1. Đọc dữ liệu, reshape một số ảnh về kích thước 20x20
rồi show ra màn hình (plt.imshow)

- Hiện thị một số ảnh từ dữ liệu

 Chọn một số mẫu ảnh từ dữ liệu và hiển thị chúng dưới dạng lưới sử dụng matplotlib
2. Chia dữ liệu thành 70% train, 30% test (train_test_split)
đảm bảo tính ngẫu nhiên và đồng đều về nhãn.

- Ta sử dụng train_test_split từ sklearn để chia sẻ dữ liệu features và nhãn thành các

tập train và test

- Sủ dụng OneHotEncoder cho nhãn y:

Sủ dụng OneHotEncode từ sklearn.preprocessing để mã hóa các nhãn thành
dạng one-hot
3. Train một mạng neural network với các thông số sau:
+ 2 lớp ẩn: 100, 50
+ Hàm kích hoạt: sigmoid
+ Learning rate khởi tạo: 0.1
+ Trộn dữ liệu mỗi vòng lặp
+ Phương pháp tối ưu: stochastic gradient descent
+ Hệ số regularization: 0.1
Và huấn luyện mô hình
4. Show đường cong loss trong quá trình học

- Đây là bước vẽ đồ thị hàm loss ra bằng cách sử dụng thu viện matplotlib cũng
giống như các bài tập lần trước.

5. Show độ chính xác trên tập test

- Đây là bước cuối: Đánh giá độ chính xác trên tập test bằng các sử dụng score để
đánh giá độ chính xác của mô hình trên dữ liệu test và in ra màn hình.