معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Artificial Neural Network, is a deep learning API written in Python.

ویژگی	مقدار
سیستم عامل	-
نام فایل	Artificial-Neural-Network-Classifier-1.0.22
نام	Artificial-Neural-Network-Classifier
نسخه کتابخانه	1.0.22
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	-
ایمیل نویسنده	Ouedraogo Somkieta Rahim Alex <s.r.a.ouedraogo@gmail.com>
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/Artificial-Neural-Network-Classifier/
مجوز	-

# Artificial Neural Network ![Artificial Neural Network logo](https://raw.githubusercontent.com/somkietacode/Artificial_Neural_Network/main/image/gitban.png) This repository hosts the development of the Artificial Neural Network library. ## About Artificial Neural Network Artificial Neural Network, is a deep learning API written in Python. It was developed with a focus on enabling fast experimentation. *Being able to go from idea to result as fast as possible is key to doing good research.* Artificial Neural Network is: - **Simple** - **Flexible** - **Powerful** ## First contact with Artificial Neural Network The core data structures of Artificial Neural Network are __consign__ and __result__. It implement four model in two layer neural network for helping you fast build __predictor__. Here is an `exemple` : ```python from Artificial_Neural_Network_Classifier import artificialneuralnetwork_classifier import pandas as pd import numpy as np # Reading and cleaning dataset form a CSV file df = pd.read_csv('admission_data.csv') df = df.apply(pd.to_numeric, errors='coerce') df = df.dropna() # Select X dataset (consign) and convert them in numpy matrix x = np.matrix(df[["GRE Score","TOEFL Score","University Rating","SOP","LOR ","CGPA"]].to_numpy() ) # Select Y dataset (response) and convert them in numpy matrix y = np.matrix(df[["Research"]].to_numpy()) # Train the model ANN = artificialneuralnetwork_classifier(x,y) ``` Let make prediction ```python X = np.matrix([[318,110,3,4,3,8.8] ]) print(Ann.predict(X)) ``` It is a binairy classifier. Mean that your response should be 0 or 1. And your dataset response may also be binary. ### Admission data used for this exemple : GRE Score | TOEFL Score | University Rating | SOP | LOR | CGPA | Research -----------:|---------------:|---------------------:|----:|-------:|--------:|---------- 337 | 118| 4 | 4.5 | 4.5 | 9.65 | 1 324 | 107 | 4 | 4 | 4.5 | 8.87 | 1 316 | 104 | 3 | 3 | 3.5 | 8 | 1 322 | 110 | 3 | 3.5 | 2.5 | 8.67 | 1 314 | 103 | 2 | 2 | 3 | 8.21 | 0 330 | 115 | 5 | 4.5 | 3 | 9.34 | 1 321 | 109 | 3 | 3 | 4 | 8.2 | 1 308 | 101 | 2 | 3 | 4 | 7.9 | 0 302 | 102 | 1 | 2 | 1.5 | 8 | 0 323 | 108 | 3 | 3.5 | 3 | 8.6 | 0 --- ## Support You can ask questions and join the development discussion: - [Facebook page](https://www.facebook.com/globalanalysistech) . ---

نیازمندی

مقدار	نام
-	numpy
-	importlib-metadata

زبان مورد نیاز

مقدار	نام
>=3.7	Python

نحوه نصب

نصب پکیج whl Artificial-Neural-Network-Classifier-1.0.22:

pip install Artificial-Neural-Network-Classifier-1.0.22.whl

نصب پکیج tar.gz Artificial-Neural-Network-Classifier-1.0.22:

pip install Artificial-Neural-Network-Classifier-1.0.22.tar.gz