Տվյալները բաժանեք վերապատրաստման և վավերացման հավաքածուների

X_train, X_val, y_train, y_val = train_test_split(X_train, y_train, test_size=0.2, random_state=42)

Կառուցեք և կազմեք մոդել

մոդել = keras.Հաջորդական ([ keras.layers.Flatten(input_shape=(28, 28)), keras.layers.Dense(128, activation='relu'), keras.layers.Dense(10, activation='softmax') ])

model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', չափումներ=['ճշգրտություն'])

Գնացքի մոդել

model.fit(X_train, y_train, epochs=5, validation_data=(X_val, y_val))

Գնահատեք մոդելը

y_pred = model.predict(X_test) y_pred_class = tf.argmax(y_pred, առանցք=1) տպել («Ճշգրտություն.», ճշգրտության_ միավոր (y_test, y_pred_class))

## Վիզուալիզացիա՝ կանխատեսող վերլուծությունների վահանակ

``` գծապատկեր
{
  «տեսակ»՝ «բար»,
  "տվյալներ": {
    «պիտակներ»՝ [«Կանխատեսող վերլուծություն», «Մեքենայի ուսուցում», «Տվյալների պատկերացում»],
    «տվյալների հավաքածուներ»:
      {
        «պիտակ»: «Մեթոդոլոգիաներ»,
        «տվյալներ»: [10, 8, 12],
        «backgroundColor».
        «սահմանագույն».
        «սահմանի լայնություն»՝ 1
      }
    ]
  },
  «Ընտրանքներ»: {
    «վերնագիր»: {
      «ցուցադրում»՝ ճշմարիտ,
      "text": "Կանխատեսելի վերլուծության մեթոդոլոգիաներ"
    },
    «կշեռքներ»: {
      «yAxes»:
        {
          "ticks": {
            «beginAtZero»: ճիշտ է
          }
        }
      ]
    }
  }
}

Եզրակացություն

Ծրագրային ճարտարապետության մեջ AI-ի վրա հիմնված կանխատեսող վերլուծությունների օգտագործումն առաջարկում է բազմաթիվ առավելություններ, ներառյալ բարելավված մասշտաբայնությունը, պահպանելիությունը և օգտագործողի փորձը: Օգտագործելով այնպիսի մեթոդներ, ինչպիսիք են տվյալների իրական ժամանակի մշակումը, մեքենայական ուսուցման մոդելի տեղակայումը, կանխատեսող մոդելավորումը և անոմալիաների հայտնաբերումը, մշակողները կարող են կառուցել ավելի ճկուն և հարմարվող համակարգեր: Գործիքները, ինչպիսիք են Apache Spark-ը, TensorFlow-ը, PyTorch-ը և Scikit-learn-ը, ապահովում են անհրաժեշտ ենթակառուցվածք՝ AI-ի վրա հիմնված կանխատեսող վերլուծությունները ծրագրային ճարտարապետության մեջ ինտեգրելու համար: Օգտագործելով այս տեխնիկան և գործիքները, ծրագրավորողները կարող են ապագայում պաշտպանել իրենց ծրագրերը և առաջ մնալ մրցակիցներից այսօրվա արագ զարգացող ծրագրային լանդշաֆտում: