Nesta aplicação, estamos prevendo se um certo personagem fictício irá ou não a um show, usando uma Rede Neural Artificial (RNA). Utilizamos a biblioteca TensorFlow para criar a RNA para classificar as chances de ir ao show.

Para treinar nosso modelo, utilizamos a seguinte configuração:

1. Camada de Entrada:

   • Função de ativação: ReLU
   • Input Shape: 3 (para as características Tem Amigos, Show é Longe e Ingresso é Caro)
   • Neurônios: 10

2. Camada de Saída:

   • Função de ativação: Sigmoid
   • Neurônios: 1 (para a decisão binária de ir ou não ao show)

3. Otimizador:

   • Adam

Os dados de entrada (x) e os rótulos de saída (y) são preparados da seguinte maneira:

• x contém as características dos cenários de ir ao show.
• y contém os resultados binários correspondentes (0 para não ir, 1 para ir ao show).

model = Sequential([
    Dense(10, activation='relu', input_shape=(3,)),
    Dense(1, activation='sigmoid')
])

model.compile(optimizer='adam',
              loss='binary_crossentropy',
              metrics=['accuracy'])

O modelo é treinado com os dados de entrada e saída fornecidos.

model.fit(x, y, epochs=500)

• Extrair precisão de treinamento do histórico

• Avaliação do modelo de treinamento loss e accuracy

• Realizando predições do modelo treinado com entrada de argumentos

Equipe:

• Developers
  • Marco0antonio0
• Editores texto academico
  • AlexsandroFernandesNascimento
  • Bea
  • Gabriel Maia