Iris: Accuracy and Loss - Neural Network Implementation

Este projeto é uma implementação de uma rede neural em C, treinada com base no conjunto de dados Iris, utilizando o algoritmo de retropropagação para classificar as amostras em três espécies diferentes de flores. A rede calcula a acurácia e a perda do modelo durante as fases de treinamento e teste.

Funcionalidades

• Conjunto de dados: O arquivo iris_nr.txt contém o conjunto de dados Iris com quatro características de entrada por amostra (como comprimento da sépala e largura da pétala) e três valores de destino correspondentes às possíveis espécies de flores.
• Estrutura da Rede:
  • Camada de entrada: 5 neurônios (4 características de entrada + 1 bias)
  • Camada oculta: 3 neurônios
  • Camada de saída: 3 neurônios (um para cada espécie de flor)
• Algoritmo de Retropropagação: A rede ajusta os pesos durante o treinamento usando o gradiente descendente, otimizando a saída ao minimizar o erro entre os valores previstos e os reais.
• Processo de Treinamento:
  • Inicialização aleatória dos pesos.
  • Propagação dos dados pela rede.
  • Cálculo do erro utilizando a diferença quadrática.
  • Ajuste dos pesos via retropropagação.
• Métricas de Desempenho:
  • Acurácia: Calculada como a proporção de previsões corretas.
  • Perda (Loss): Medida utilizando a função de perda logarítmica.

Arquivos

• iris_nr.txt: Contém o conjunto de dados Iris com valores randomizados usados para o treinamento.
• iris.names: Descreve as características e a estrutura do conjunto de dados Iris.
• iris.data: Conjunto de dados Iris bruto.
• Iris.csv: Arquivo CSV com o conjunto de dados original.

Exemplo de Saída

• Durante o treinamento, os valores de acurácia e perda são exibidos, e ao final, os pesos ajustados da rede neural são impressos.
• exemplo:

ACERTOS : 0.93
LOSS : 0.252
LOSS MEDIDO : 0.00168