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.
- Conjunto de dados: O arquivo
iris_nr.txtcontém 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.
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.
- 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