{"id":443921,"date":"2025-01-02T15:05:25","date_gmt":"2025-01-02T15:05:25","guid":{"rendered":"http:\/\/savepearlharbor.com\/?p=443921"},"modified":"-0001-11-30T00:00:00","modified_gmt":"2025-01-02T15:05:25","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=443921","title":{"rendered":"<span>\u0420\u0435\u0448\u0435\u043d\u0438\u0435 \u0437\u0430\u0434\u0430\u0447\u0438 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u043f\u0440\u0438 \u043f\u043e\u043c\u043e\u0449\u0438 Deep Learning \u0438 \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u043e\u0433\u043e Machine Learning<\/span>"},"content":{"rendered":"<div><!--[--><!--]--><\/div>\n<div id=\"post-content-body\">\n<div>\n<div class=\"article-formatted-body article-formatted-body article-formatted-body_version-2\">\n<div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\">\n<p>\u041d\u0435\u0431\u043e\u043b\u044c\u0448\u043e\u0439 \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a (\u0432\u0440\u043e\u0434\u0435 <a href=\"https:\/\/scikit-learn.org\/1.5\/auto_examples\/classification\/plot_classifier_comparison.html#sphx-glr-auto-examples-classification-plot-classifier-comparison-py\" rel=\"noopener noreferrer nofollow\">\u044d\u0442\u043e\u0433\u043e<\/a>): \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u043c \u0434\u0430\u043d\u043d\u044b\u0435, \u043f\u043e\u0442\u043e\u043c \u0442\u0440\u0435\u043d\u0438\u0440\u0443\u0435\u043c \u043d\u0430 \u043d\u0438\u0445 \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u044c (DL &#8212; deep learning) \u0438 \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 (ML &#8212; machine learning). \u041e\u0446\u0435\u043d\u0438\u0432\u0430\u0442\u044c \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u0431\u0443\u0434\u0435\u043c \u043f\u043e \u0442\u043e\u0447\u043d\u043e\u0441\u0442\u0438 (<a href=\"https:\/\/en.wikipedia.org\/wiki\/Confusion_matrix\" rel=\"noopener noreferrer nofollow\">Confusion Matrix<\/a>) \u0438 \u043a\u043e\u043d\u0442\u0443\u0440\u043d\u043e\u043c\u0443 \u0433\u0440\u0430\u0444\u0438\u043a\u0443 Decision Boundary, \u0430 \u0442\u0430\u043a\u0436\u0435 \u043f\u043e \u0432\u0440\u0435\u043c\u0435\u043d\u0438 \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043a\u0438. \u041c\u044b \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u0446\u0438\u0440\u0443\u0435\u043c \u0441\u0438\u043d\u0442\u0435\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0434\u0430\u043d\u043d\u044b\u0435 \u0442\u0440\u0435\u043c\u044f \u0441\u043f\u043e\u0441\u043e\u0431\u0430\u043c\u0438 (\u043d\u0430 \u0440\u0430\u0437\u043d\u043e\u043c \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u0435 \u0434\u0430\u043d\u043d\u044b\u0445, \u043e\u0442 1000 \u0434\u043e 100 000 \u043f\u0440\u0438\u043c\u0435\u0440\u043e\u0432):<\/p>\n<ul>\n<li>\n<p>DL \u043c\u043e\u0434\u0435\u043b\u044c \u0441 \u043e\u0434\u043d\u0438\u043c \u0441\u043b\u043e\u0435\u043c \u0438\u0437 8 \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u0432<\/p>\n<\/li>\n<li>\n<p>Support Vector Classifier<\/p>\n<\/li>\n<li>\n<p>Decision Tree Classifier<\/p>\n<\/li>\n<\/ul>\n<p>\u0412 \u0441\u0442\u0430\u0442\u044c\u0435 \u0434\u0430\u044e\u0442\u0441\u044f \u043e\u0441\u043d\u043e\u0432\u043d\u044b\u0435 \u043d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0438 DL \u043c\u043e\u0434\u0435\u043b\u0438. \u0417\u0430\u0442\u0435\u043c &#8212; \u0432\u044b\u0432\u043e\u0434\u044b \u0438 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b \u043f\u0440\u0438\u0432\u043e\u0434\u044f\u0442\u0441\u044f \u0432 \u043a\u043e\u043d\u0446\u0435 \u0434\u043b\u044f \u0441\u043f\u0440\u0430\u0432\u043a\u0438, \u0447\u0442\u043e\u0431\u044b \u043d\u0435 \u0437\u0430\u0433\u0440\u043e\u043c\u043e\u0436\u0434\u0430\u0442\u044c \u043f\u043e\u043b\u0435\u0437\u043d\u043e\u0435 \u043c\u0435\u0441\u0442\u043e. \u0422\u0435 \u0436\u0435 \u0441\u0430\u043c\u044b\u0435 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b \u043c\u043e\u0436\u043d\u043e \u043f\u043e\u043b\u0443\u0447\u0438\u0442\u044c \u0437\u0430\u043f\u0443\u0441\u043a\u0430\u044f \u043a\u043e\u0434 \u0438\u0437 Google Colab. \u041a\u043e\u0434 \u0432 \u0441\u0442\u0430\u0442\u044c\u0435 \u043f\u0440\u0438\u0432\u043e\u0434\u0438\u0442\u0441\u044f \u043d\u0435 \u0432\u0435\u0441\u044c, \u0430 \u0442\u043e\u043b\u044c\u043a\u043e \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u044b\u0439. \u0414\u0435\u0442\u0430\u043b\u0438 &#8212; \u0432 \u0431\u043b\u043e\u043a\u043d\u043e\u0442\u0435.<\/p>\n<h2>Decision Boundary \u0438 TensorFlow Playground<\/h2>\n<p>\u0410\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430 \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0438 \u0432 \u0434\u0430\u043d\u043d\u043e\u0439 \u0441\u0442\u0430\u0442\u044c\u0435 \u0440\u0430\u0441\u0441\u043c\u0430\u0442\u0440\u0438\u0432\u0430\u0435\u0442\u0441\u044f \u043e\u0434\u043d\u0430. \u0421 \u0446\u0435\u043b\u044c\u044e \u0438\u0437\u0443\u0447\u0435\u043d\u0438\u044f \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440 \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0438, \u043c\u043e\u0436\u043d\u043e \u0442\u0430\u043a\u0436\u0435 \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0435\u0442\u044c<a href=\"https:\/\/playground.tensorflow.org\/#activation=sigmoid&amp;batchSize=10&amp;dataset=circle&amp;regDataset=reg-plane&amp;learningRate=0.03&amp;regularizationRate=0&amp;noise=0&amp;networkShape=3&amp;seed=0.50543&amp;showTestData=false&amp;discretize=false&amp;percTrainData=50&amp;x=true&amp;y=true&amp;xTimesY=false&amp;xSquared=false&amp;ySquared=false&amp;cosX=false&amp;sinX=false&amp;cosY=false&amp;sinY=false&amp;collectStats=false&amp;problem=classification&amp;initZero=false&amp;hideText=false\" rel=\"noopener noreferrer nofollow\"> TensorFlow Playground<\/a>. \u0412 \u043d\u0435\u043c \u043c\u043e\u0436\u043d\u043e \u0432\u0438\u0437\u0443\u0430\u043b\u044c\u043d\u043e \u0440\u0435\u0434\u0430\u043a\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u044c \u0438 \u0441\u043c\u043e\u0442\u0440\u0435\u0442\u044c \u043d\u0430 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442, \u0434\u0435\u043b\u0430\u044f \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0448\u0430\u0433 \u0437\u0430 \u0448\u0430\u0433\u043e\u043c, \u043d\u0430\u0431\u043b\u044e\u0434\u0430\u044f \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f \u043a\u043e\u044d\u0444\u0444\u0438\u0446\u0438\u0435\u043d\u0442\u043e\u0432. \u0422\u0430\u043c \u0441\u0432\u043e\u044f \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0435\u0432\u0430\u044f \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0430, \u043d\u0435 TensorFlow (\u0438 \u043d\u0435\u0442 \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u043e\u0433\u043e ML). \u0417\u0430\u0442\u043e \u0435\u0441\u0442\u044c \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e\u0441\u0442\u044c \u043f\u043e\u043a\u043e\u043f\u0430\u0442\u044c\u0441\u044f \u0432<a href=\"https:\/\/github.com\/tensorflow\/playground\" rel=\"noopener noreferrer nofollow\"> \u0438\u0441\u0445\u043e\u0434\u043d\u0438\u043a\u0430\u0445<\/a>. \u041e\u0431\u0440\u0430\u0442\u0438\u0442\u0435 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u043d\u0430 \u0441\u0442\u043e\u043b\u0431\u0435\u0446 Output \u043d\u0430 \u0440\u0438\u0441\u0443\u043d\u043a\u0435 \u043d\u0438\u0436\u0435. \u0422\u0430\u043c \u0434\u0430\u043d\u0430 Test Loss \u0438 \u043a\u0430\u043a \u0440\u0430\u0437 \u043f\u043e\u043a\u0430\u0437\u0430\u043d\u0430 Decision Boundary. \u041c\u044b \u0431\u0443\u0434\u0435\u043c \u0442\u0430\u043a\u0443\u044e \u0436\u0435 \u043a\u0430\u0440\u0442\u0438\u043d\u043a\u0443 \u043f\u043e\u043b\u0443\u0447\u0430\u0442\u044c \u0438 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u0432 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 \u0432\u0438\u0437\u0443\u0430\u043b\u044c\u043d\u043e\u0439 \u0445\u0430\u0440\u0430\u043a\u0442\u0435\u0440\u0438\u0441\u0442\u0438\u043a\u0438.<\/p>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/c3d\/7d1\/f3d\/c3d7d1f3d9db1cfdcf5afcdf897fdb61.png\" alt=\"\u041d\u0430\u0431\u043e\u0440 \u0434\u0430\u043d\u043d\u044b\u0445 - \u044d\u0442\u043e \u0434\u0432\u0443\u043c\u0435\u0440\u043d\u044b\u0435 \u0442\u043e\u0447\u043a\u0438, \u0438\u043c\u0435\u044e\u0449\u0438\u0435 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u043d\u044b\u0439 \u0446\u0432\u0435\u0442 (\u0433\u043e\u043b\u0443\u0431\u043e\u0439 \u0438\u043b\u0438 \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u0439). \u0414\u0432\u0435 \u043a\u043e\u043e\u0440\u0434\u0438\u043d\u0430\u0442\u044b - \u044d\u0442\u043e features, \u0446\u0432\u0435\u0442 - label. \u0414\u043b\u044f \u043f\u0440\u0438\u0435\u043c\u043b\u0435\u043c\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0438 test loss 3.6% \u043f\u043e\u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043b\u043e\u0441\u044c 369 \u044d\u043f\u043e\u0445. \u0412 \u043f\u0440\u0430\u0432\u043e\u0439 \u0447\u0430\u0441\u0442\u0438 \u043f\u043e\u043a\u0430\u0437\u0430\u043d \u043a\u043e\u043d\u0442\u0443\u0440\u043d\u044b\u0439 \u0433\u0440\u0430\u0444\u0438\u043a decision boundary.\" title=\"\u041d\u0430\u0431\u043e\u0440 \u0434\u0430\u043d\u043d\u044b\u0445 - \u044d\u0442\u043e \u0434\u0432\u0443\u043c\u0435\u0440\u043d\u044b\u0435 \u0442\u043e\u0447\u043a\u0438, \u0438\u043c\u0435\u044e\u0449\u0438\u0435 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u043d\u044b\u0439 \u0446\u0432\u0435\u0442 (\u0433\u043e\u043b\u0443\u0431\u043e\u0439 \u0438\u043b\u0438 \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u0439). \u0414\u0432\u0435 \u043a\u043e\u043e\u0440\u0434\u0438\u043d\u0430\u0442\u044b - \u044d\u0442\u043e features, \u0446\u0432\u0435\u0442 - label. \u0414\u043b\u044f \u043f\u0440\u0438\u0435\u043c\u043b\u0435\u043c\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0438 test loss 3.6% \u043f\u043e\u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043b\u043e\u0441\u044c 369 \u044d\u043f\u043e\u0445. \u0412 \u043f\u0440\u0430\u0432\u043e\u0439 \u0447\u0430\u0441\u0442\u0438 \u043f\u043e\u043a\u0430\u0437\u0430\u043d \u043a\u043e\u043d\u0442\u0443\u0440\u043d\u044b\u0439 \u0433\u0440\u0430\u0444\u0438\u043a decision boundary.\" width=\"1250\" height=\"679\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/c3d\/7d1\/f3d\/c3d7d1f3d9db1cfdcf5afcdf897fdb61.png\"\/><\/p>\n<div><figcaption>\u041d\u0430\u0431\u043e\u0440 \u0434\u0430\u043d\u043d\u044b\u0445 &#8212; \u044d\u0442\u043e \u0434\u0432\u0443\u043c\u0435\u0440\u043d\u044b\u0435 \u0442\u043e\u0447\u043a\u0438, \u0438\u043c\u0435\u044e\u0449\u0438\u0435 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u043d\u044b\u0439 \u0446\u0432\u0435\u0442 (\u0433\u043e\u043b\u0443\u0431\u043e\u0439 \u0438\u043b\u0438 \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u0439). \u0414\u0432\u0435 \u043a\u043e\u043e\u0440\u0434\u0438\u043d\u0430\u0442\u044b &#8212; \u044d\u0442\u043e features, \u0446\u0432\u0435\u0442 &#8212; label. \u0414\u043b\u044f \u043f\u0440\u0438\u0435\u043c\u043b\u0435\u043c\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0438 test loss 3.6% \u043f\u043e\u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043b\u043e\u0441\u044c 369 \u044d\u043f\u043e\u0445. \u0412 \u043f\u0440\u0430\u0432\u043e\u0439 \u0447\u0430\u0441\u0442\u0438 \u043f\u043e\u043a\u0430\u0437\u0430\u043d \u043a\u043e\u043d\u0442\u0443\u0440\u043d\u044b\u0439 \u0433\u0440\u0430\u0444\u0438\u043a decision boundary.<\/figcaption><\/div>\n<\/figure>\n<h2>\u0421\u0435\u043f\u0430\u0440\u0430\u0431\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u044c \u0434\u0430\u043d\u043d\u044b\u0445 \u0438 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u0432<\/h2>\n<p>\u0421\u0435\u043f\u0430\u0440\u0430\u0431\u0435\u043b\u044c\u043d\u044b\u0435 \u0434\u0430\u043d\u043d\u044b\u0435 \u0434\u043e\u043b\u0436\u043d\u044b \u0438\u043c\u0435\u0442\u044c \u0440\u0430\u0441\u0441\u0442\u043e\u044f\u043d\u0438\u0435 \u043c\u0435\u0436\u0434\u0443 \u043a\u043b\u0430\u0441\u0441\u0430\u043c\u0438, \u0447\u0442\u043e\u0431\u044b \u0434\u0430\u043d\u043d\u044b\u0435 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u0446\u0438\u0440\u043e\u0432\u0430\u043b\u0438\u0441\u044c \u0442\u0440\u0435\u043c\u044f \u043d\u0435\u0439\u0440\u043e\u043d\u0430\u043c\u0438. \u041d\u0430 \u0440\u0438\u0441\u0443\u043d\u043a\u0435 \u0432\u044b\u0448\u0435 \u0432\u0438\u0434\u043d\u043e \u0447\u0442\u043e \u043c\u0435\u0436\u0434\u0443 \u0433\u0440\u0443\u043f\u043f\u0430\u043c\u0438 \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u0445 \u0438 \u0441\u0438\u043d\u0438\u0445 \u0442\u043e\u0447\u0435\u043a \u0435\u0441\u0442\u044c \u043a\u043e\u043b\u044c\u0446\u0435\u0432\u043e\u0439 \u0437\u0430\u0437\u043e\u0440. \u0412 \u043c\u043e\u0435\u043c \u0441\u043b\u0443\u0447\u0430\u0435, \u0437\u0430\u0437\u043e\u0440\u0430 \u043d\u0435\u0442 (\u0440\u0438\u0441\u0443\u043d\u043e\u043a \u0431\u0443\u0434\u0435\u0442 \u043d\u0438\u0436\u0435) \u0438 \u043d\u0443\u0436\u043d\u043e \u043c\u0438\u043d\u0438\u043c\u0443\u043c &#8212; 6 \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u0432 (\u0441\u043c. \u043a\u043e\u0434 \u0432 Google Colab \u043f\u043e \u0441\u0441\u044b\u043b\u043a\u0435 \u043d\u0438\u0436\u0435). \u042d\u0442\u043e \u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043d\u0438\u0435 \u043a \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u0443 \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u0432 \u0432\u043e\u0437\u043d\u0438\u043a\u0430\u0435\u0442 \u0438\u0437-\u0437\u0430 \u0442\u043e\u0433\u043e \u0447\u0442\u043e \u043a\u043b\u0430\u0441\u0441\u044b \u043f\u0440\u0438\u043b\u0435\u0433\u0430\u044e\u0442 \u043f\u043b\u043e\u0442\u043d\u043e \u0434\u0440\u0443\u0433-\u043a-\u0434\u0440\u0443\u0433\u0443 \u0438 &#171;\u0437\u0430\u0437\u043e\u0440&#187; \u043c\u0435\u0436\u0434\u0443 \u0433\u043e\u043b\u0443\u0431\u044b\u043c\u0438 \u0438 \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u043c\u0438 \u043c\u0435\u0442\u043a\u0430\u043c\u0438 \u0432 \u043c\u043e\u0435\u043c \u043d\u0430\u0431\u043e\u0440\u0435 \u043d\u0435\u0431\u043e\u043b\u044c\u0448\u043e\u0439 (\u0435\u0433\u043e \u043f\u043e\u0447\u0442\u0438 \u043d\u0435\u0442). \u0415\u0441\u043b\u0438, \u0432 \u0441\u0435\u043a\u0446\u0438\u0438 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 \u0434\u0430\u043d\u043d\u044b\u0445, \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0432\u043c\u0435\u0441\u0442\u043e:<\/p>\n<pre><code class=\"python\">blue_points_separable = blue_points[distance_from_origin_blue &gt; 1.0]<\/code><\/pre>\n<p>\u0447\u0442\u043e-\u0442\u043e \u0442\u0430\u043a\u043e\u0435:<\/p>\n<pre><code class=\"python\">blue_points_separable = blue_points[distance_from_origin_blue &gt; 1.4]<\/code><\/pre>\n<p>\u0422\u043e \u043c\u043e\u0436\u043d\u043e \u0431\u0443\u0434\u0435\u0442 \u0438 \u0442\u0440\u0435\u043c\u044f \u043d\u0435\u0439\u0440\u043e\u043d\u0430\u043c\u0438 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u0446\u0438\u0440\u043e\u0432\u0430\u0442\u044c. \u041d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u0442\u0430\u043a (\u0432\u043e\u043e\u0431\u0449\u0435, \u043d\u0430 \u043a\u0430\u0440\u0442\u0438\u043d\u043a\u0435 \u0432\u044b\u0448\u0435 &#8212; 369 \u044d\u043f\u043e\u0445, \u043d\u043e \u0438 200 \u044d\u043f\u043e\u0445 \u0431\u0443\u0434\u0435\u0442 \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e):<\/p>\n<pre><code class=\"python\">history = model.fit(X_train, y_train, epochs=200, batch_size=10, validation_split=0.2, verbose=1)<\/code><\/pre>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/417\/0aa\/a4d\/4170aaa4de0e6be6bcccd81cbd6898f9.png\" alt=\"\u0422\u0430\u043a \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 Decision Boundary \u0434\u043b\u044f \u0442\u0440\u0435\u0445\u043d\u0435\u0439\u0440\u043e\u043d\u043d\u043e\u0439 DL \u043c\u043e\u0434\u0435\u043b\u0438 \u0432\u044b\u043f\u043e\u043b\u043d\u0435\u043d\u043d\u043e\u0439 \u043f\u0440\u0438\u0432\u0435\u0434\u0435\u043d\u043d\u044b\u043c \u0441\u043a\u0440\u0438\u043f\u0442\u043e\u043c (Google Colab). \u041a\u0430\u043a \u0432\u0438\u0434\u043d\u043e, \u043e\u043d\u0430 \u043d\u0435 \u0441\u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u0442\u043e\u0447\u043d\u043e\u0439 \u0435\u0441\u043b\u0438 \u043c\u0435\u0436\u0434\u0443 \u043a\u043b\u0430\u0441\u0441\u0430\u043c\u0438 \u043d\u0435 \u0431\u0443\u0434\u0435\u0442 \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e\u0433\u043e &quot;\u0437\u0430\u0437\u043e\u0440\u0430&quot;. \u0422\u0430\u043a\u043e\u0439 \u0437\u0430\u0437\u043e\u0440 \u0435\u0441\u0442\u044c \u0432 \u0434\u0430\u043d\u043d\u044b\u0445, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u0442 TensorFlow Playground. \u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u0442\u0440\u0435\u0445-\u043d\u0435\u0439\u0440\u043e\u043d\u043d\u0430\u044f \u0441\u0435\u0442\u043a\u0430 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u0446\u0438\u0440\u0443\u0435\u0442 \u0434\u0430\u043d\u043d\u044b\u0435.\" title=\"\u0422\u0430\u043a \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 Decision Boundary \u0434\u043b\u044f \u0442\u0440\u0435\u0445\u043d\u0435\u0439\u0440\u043e\u043d\u043d\u043e\u0439 DL \u043c\u043e\u0434\u0435\u043b\u0438 \u0432\u044b\u043f\u043e\u043b\u043d\u0435\u043d\u043d\u043e\u0439 \u043f\u0440\u0438\u0432\u0435\u0434\u0435\u043d\u043d\u044b\u043c \u0441\u043a\u0440\u0438\u043f\u0442\u043e\u043c (Google Colab). \u041a\u0430\u043a \u0432\u0438\u0434\u043d\u043e, \u043e\u043d\u0430 \u043d\u0435 \u0441\u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u0442\u043e\u0447\u043d\u043e\u0439 \u0435\u0441\u043b\u0438 \u043c\u0435\u0436\u0434\u0443 \u043a\u043b\u0430\u0441\u0441\u0430\u043c\u0438 \u043d\u0435 \u0431\u0443\u0434\u0435\u0442 \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e\u0433\u043e &quot;\u0437\u0430\u0437\u043e\u0440\u0430&quot;. \u0422\u0430\u043a\u043e\u0439 \u0437\u0430\u0437\u043e\u0440 \u0435\u0441\u0442\u044c \u0432 \u0434\u0430\u043d\u043d\u044b\u0445, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u0442 TensorFlow Playground. \u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u0442\u0440\u0435\u0445-\u043d\u0435\u0439\u0440\u043e\u043d\u043d\u0430\u044f \u0441\u0435\u0442\u043a\u0430 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u0446\u0438\u0440\u0443\u0435\u0442 \u0434\u0430\u043d\u043d\u044b\u0435.\" width=\"689\" height=\"701\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/417\/0aa\/a4d\/4170aaa4de0e6be6bcccd81cbd6898f9.png\"\/><\/p>\n<div><figcaption>\u0422\u0430\u043a \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 Decision Boundary \u0434\u043b\u044f \u0442\u0440\u0435\u0445\u043d\u0435\u0439\u0440\u043e\u043d\u043d\u043e\u0439 DL \u043c\u043e\u0434\u0435\u043b\u0438 \u0432\u044b\u043f\u043e\u043b\u043d\u0435\u043d\u043d\u043e\u0439 \u043f\u0440\u0438\u0432\u0435\u0434\u0435\u043d\u043d\u044b\u043c \u0441\u043a\u0440\u0438\u043f\u0442\u043e\u043c (Google Colab). \u041a\u0430\u043a \u0432\u0438\u0434\u043d\u043e, \u043e\u043d\u0430 \u043d\u0435 \u0441\u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u0442\u043e\u0447\u043d\u043e\u0439 \u0435\u0441\u043b\u0438 \u043c\u0435\u0436\u0434\u0443 \u043a\u043b\u0430\u0441\u0441\u0430\u043c\u0438 \u043d\u0435 \u0431\u0443\u0434\u0435\u0442 \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e\u0433\u043e &#171;\u0437\u0430\u0437\u043e\u0440\u0430&#187;. \u0422\u0430\u043a\u043e\u0439 \u0437\u0430\u0437\u043e\u0440 \u0435\u0441\u0442\u044c \u0432 \u0434\u0430\u043d\u043d\u044b\u0445, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u0442 TensorFlow Playground. \u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u0442\u0440\u0435\u0445-\u043d\u0435\u0439\u0440\u043e\u043d\u043d\u0430\u044f \u0441\u0435\u0442\u043a\u0430 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u0446\u0438\u0440\u0443\u0435\u0442 \u0434\u0430\u043d\u043d\u044b\u0435.<\/figcaption><\/div>\n<\/figure>\n<p>\u0412 \u043d\u0430\u0448\u0438\u0445 \u043f\u0440\u0438\u043c\u0435\u0440\u0430\u0445, \u043c\u044b \u0442\u0430\u043a\u0436\u0435 \u0431\u0443\u0434\u0435\u043c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u043d\u0430\u0431\u043e\u0440\u044b \u0434\u0430\u043d\u043d\u044b\u0445 \u0438\u0437 \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u0445 \u0438 \u0433\u043e\u043b\u0443\u0431\u044b\u0445 \u0442\u043e\u0447\u0435\u043a. \u041d\u043e \u043c\u044b \u043d\u0435 \u0431\u0443\u0434\u0435\u043c \u0441\u0442\u0440\u0435\u043c\u0438\u0442\u044c\u0441\u044f \u043a \u043c\u0438\u043d\u0438\u043c\u0430\u043b\u044c\u043d\u043e\u043c\u0443 \u0447\u0438\u0441\u043b\u0443 \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u0432, \u0430 \u043b\u0438\u0448\u044c \u043a \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e \u043e\u0434\u0438\u043d\u0430\u043a\u043e\u0432\u043e \u0445\u043e\u0440\u043e\u0448\u0438\u043c \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u0430\u043c \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u0439 \u043c\u043e\u0434\u0435\u043b\u0438.<\/p>\n<h2>\u0413\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044f \u0434\u0430\u043d\u043d\u044b\u0445<\/h2>\n<p><a href=\"https:\/\/colab.research.google.com\/drive\/1bhq5Byjacoyqg20swNeuTKpBmFeCjs8X?usp=sharing\" rel=\"noopener noreferrer nofollow\"><u>Google Colab \u0437\u0434\u0435\u0441\u044c<\/u><\/a>. \u0412 \u044d\u0442\u043e\u043c \u0444\u0430\u0439\u043b\u0435 &#8212; \u0432\u0435\u0441\u044c \u043a\u043e\u0434, \u0432\u0441\u0435 \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u044f: \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044f, \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043a\u0430, \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u044f \u0438 \u0433\u0440\u0430\u0444\u0438\u043a\u0438. \u0424\u0430\u0439\u043b \u043f\u043e\u0434\u0435\u043b\u0435\u043d \u043d\u0430 4 \u0447\u0430\u0441\u0442\u0438. \u041e\u043d\u0438 \u0441\u0432\u0435\u0440\u043d\u0443\u0442\u044b \u0432 \u0437\u0430\u0433\u043e\u043b\u043e\u0432\u043a\u0438.<\/p>\n<p>\u0414\u0430\u043d\u043d\u044b\u0435 \u043f\u0440\u0438 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 \u0441\u043e\u0445\u0440\u0430\u043d\u044f\u044e\u0442\u0441\u044f \u0432 CSV-\u0444\u0430\u0439\u043b (circle_classification_separable_dataset.csv). \u041a\u043e\u0434 \u0433\u0435\u043d\u0435\u0440\u0430\u0442\u043e\u0440\u0430 \u043f\u0440\u043e\u043a\u043e\u043c\u043c\u0435\u043d\u0442\u0438\u0440\u043e\u0432\u0430\u043d \u0438 \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u043f\u0440\u043e\u0441\u0442\u043e\u0439, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u044f \u043f\u0440\u043e\u0441\u0442\u043e \u0441\u0440\u0430\u0437\u0443 \u043f\u0440\u0438\u0432\u0435\u0434\u0443 \u0433\u0440\u0430\u0444\u0438\u043a \u0441\u0433\u0435\u043d\u0435\u0440\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 (\u0434\u043b\u044f 1000 \u0442\u043e\u0447\u0435\u043a):<\/p>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/81c\/377\/0b8\/81c3770b81e5d929480012fe0223e9f6.png\" alt=\"\u0421\u0433\u0435\u043d\u0435\u0440\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0435 \u043c\u0430\u0440\u043a\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0435 \u0434\u0430\u043d\u043d\u044b\u0435 (circle_classification_separable_dataset.csv) \u0441\u043e\u0441\u0440\u0435\u0434\u043e\u0442\u043e\u0447\u0435\u043d\u044b \u0432\u043e\u043a\u0440\u0443\u0433 \u043d\u0430\u0447\u0430\u043b\u0430 \u043a\u043e\u043e\u0440\u0434\u0438\u043d\u0430\u0442. \u0417\u0430\u043c\u0435\u0442\u043d\u043e, \u0447\u0442\u043e \u043a\u043b\u0430\u0441\u0441\u044b \u043b\u0435\u0436\u0430\u0442 \u0432\u043f\u043b\u043e\u0442\u043d\u0443\u044e \u0438 \u044d\u0442\u043e \u0437\u0430\u0442\u0440\u0443\u0434\u043d\u044f\u0435\u0442 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u044e \u043c\u0438\u043d\u0438\u043c\u0430\u043b\u044c\u043d\u044b\u043c \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e\u043c \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u0432. \u041a\u0430\u043a \u0431\u044b\u043b\u043e \u0443\u043a\u0430\u0437\u0430\u043d\u043e \u0440\u0430\u043d\u0435\u0435, \u043f\u0440\u0438 \u0442\u0440\u0435\u0445 \u043d\u0435\u0439\u0440\u043e\u043d\u0430\u0445, \u043e\u0431\u043b\u0430\u0441\u0442\u044c Decision Boundary \u0431\u0443\u0434\u0435\u0442 \u0447\u0435\u0442\u044b\u0440\u0435\u0445\u0443\u0433\u043e\u043b\u044c\u043d\u0438\u043a\u043e\u043c. \u0412 \u0442\u0430\u043a\u043e\u043c \u0441\u043b\u0443\u0447\u0430\u0435, \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0435 \u0441\u043c\u043e\u0436\u0435\u0442 \u043f\u043e\u0434\u043e\u0431\u0440\u0430\u0442\u044c \u0447\u0435\u0442\u044b\u0440\u0451\u0445\u0443\u0433\u043e\u043b\u044c\u043d\u0438\u043a \u0434\u043b\u044f \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u0445 \u0442\u043e\u0447\u0435\u043a, \u043d\u0435 \u0437\u0430\u0446\u0435\u043f\u0438\u0432 \u0441\u0438\u043d\u0438\u0435. \u041f\u0440\u0438\u043c\u0435\u0440 \u0434\u043b\u044f 1000 \u0442\u043e\u0447\u0435\u043a.\" title=\"\u0421\u0433\u0435\u043d\u0435\u0440\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0435 \u043c\u0430\u0440\u043a\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0435 \u0434\u0430\u043d\u043d\u044b\u0435 (circle_classification_separable_dataset.csv) \u0441\u043e\u0441\u0440\u0435\u0434\u043e\u0442\u043e\u0447\u0435\u043d\u044b \u0432\u043e\u043a\u0440\u0443\u0433 \u043d\u0430\u0447\u0430\u043b\u0430 \u043a\u043e\u043e\u0440\u0434\u0438\u043d\u0430\u0442. \u0417\u0430\u043c\u0435\u0442\u043d\u043e, \u0447\u0442\u043e \u043a\u043b\u0430\u0441\u0441\u044b \u043b\u0435\u0436\u0430\u0442 \u0432\u043f\u043b\u043e\u0442\u043d\u0443\u044e \u0438 \u044d\u0442\u043e \u0437\u0430\u0442\u0440\u0443\u0434\u043d\u044f\u0435\u0442 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u044e \u043c\u0438\u043d\u0438\u043c\u0430\u043b\u044c\u043d\u044b\u043c \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e\u043c \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u0432. \u041a\u0430\u043a \u0431\u044b\u043b\u043e \u0443\u043a\u0430\u0437\u0430\u043d\u043e \u0440\u0430\u043d\u0435\u0435, \u043f\u0440\u0438 \u0442\u0440\u0435\u0445 \u043d\u0435\u0439\u0440\u043e\u043d\u0430\u0445, \u043e\u0431\u043b\u0430\u0441\u0442\u044c Decision Boundary \u0431\u0443\u0434\u0435\u0442 \u0447\u0435\u0442\u044b\u0440\u0435\u0445\u0443\u0433\u043e\u043b\u044c\u043d\u0438\u043a\u043e\u043c. \u0412 \u0442\u0430\u043a\u043e\u043c \u0441\u043b\u0443\u0447\u0430\u0435, \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0435 \u0441\u043c\u043e\u0436\u0435\u0442 \u043f\u043e\u0434\u043e\u0431\u0440\u0430\u0442\u044c \u0447\u0435\u0442\u044b\u0440\u0451\u0445\u0443\u0433\u043e\u043b\u044c\u043d\u0438\u043a \u0434\u043b\u044f \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u0445 \u0442\u043e\u0447\u0435\u043a, \u043d\u0435 \u0437\u0430\u0446\u0435\u043f\u0438\u0432 \u0441\u0438\u043d\u0438\u0435. \u041f\u0440\u0438\u043c\u0435\u0440 \u0434\u043b\u044f 1000 \u0442\u043e\u0447\u0435\u043a.\" width=\"685\" height=\"684\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/81c\/377\/0b8\/81c3770b81e5d929480012fe0223e9f6.png\"\/><\/p>\n<div><figcaption>\u0421\u0433\u0435\u043d\u0435\u0440\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0435 \u043c\u0430\u0440\u043a\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0435 \u0434\u0430\u043d\u043d\u044b\u0435 (circle_classification_separable_dataset.csv) \u0441\u043e\u0441\u0440\u0435\u0434\u043e\u0442\u043e\u0447\u0435\u043d\u044b \u0432\u043e\u043a\u0440\u0443\u0433 \u043d\u0430\u0447\u0430\u043b\u0430 \u043a\u043e\u043e\u0440\u0434\u0438\u043d\u0430\u0442. \u0417\u0430\u043c\u0435\u0442\u043d\u043e, \u0447\u0442\u043e \u043a\u043b\u0430\u0441\u0441\u044b \u043b\u0435\u0436\u0430\u0442 \u0432\u043f\u043b\u043e\u0442\u043d\u0443\u044e \u0438 \u044d\u0442\u043e \u0437\u0430\u0442\u0440\u0443\u0434\u043d\u044f\u0435\u0442 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u044e \u043c\u0438\u043d\u0438\u043c\u0430\u043b\u044c\u043d\u044b\u043c \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e\u043c \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u0432. \u041a\u0430\u043a \u0431\u044b\u043b\u043e \u0443\u043a\u0430\u0437\u0430\u043d\u043e \u0440\u0430\u043d\u0435\u0435, \u043f\u0440\u0438 \u0442\u0440\u0435\u0445 \u043d\u0435\u0439\u0440\u043e\u043d\u0430\u0445, \u043e\u0431\u043b\u0430\u0441\u0442\u044c Decision Boundary \u0431\u0443\u0434\u0435\u0442 \u0447\u0435\u0442\u044b\u0440\u0435\u0445\u0443\u0433\u043e\u043b\u044c\u043d\u0438\u043a\u043e\u043c. \u0412 \u0442\u0430\u043a\u043e\u043c \u0441\u043b\u0443\u0447\u0430\u0435, \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0435 \u0441\u043c\u043e\u0436\u0435\u0442 \u043f\u043e\u0434\u043e\u0431\u0440\u0430\u0442\u044c \u0447\u0435\u0442\u044b\u0440\u0451\u0445\u0443\u0433\u043e\u043b\u044c\u043d\u0438\u043a \u0434\u043b\u044f \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u0445 \u0442\u043e\u0447\u0435\u043a, \u043d\u0435 \u0437\u0430\u0446\u0435\u043f\u0438\u0432 \u0441\u0438\u043d\u0438\u0435. \u041f\u0440\u0438\u043c\u0435\u0440 \u0434\u043b\u044f 1000 \u0442\u043e\u0447\u0435\u043a.<\/figcaption><\/div>\n<\/figure>\n<p>\u0418\u0442\u0430\u043a, \u0446\u0435\u043b\u044c\u044e \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u0443\u0433\u0430\u0434\u044b\u0432\u0430\u043d\u0438\u0435 \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u044c\u044e \u0446\u0432\u0435\u0442\u0430 \u0442\u043e\u0447\u043a\u0438 \u0432 \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0438 \u043e\u0442 \u043a\u043e\u043e\u0440\u0434\u0438\u043d\u0430\u0442.  <\/p>\n<h2>\u041a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u044f \u0434\u0430\u043d\u043d\u044b\u0445 \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u044c\u044e  <\/h2>\n<p>\u041d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u044c, \u0432 \u043e\u0442\u043b\u0438\u0447\u0438\u0438 \u043e\u0442 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 SVC \u0438 Decision Tree, \u0437\u0430\u0434\u0430\u0435\u0442\u0441\u044f \u043d\u0435 \u043e\u0434\u043d\u043e\u0439 \u043a\u043e\u043c\u0430\u043d\u0434\u043e\u0439 \u0438 \u0438\u043c\u0435\u0435\u0442 \u0440\u044f\u0434 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432, \u043d\u0430\u0447\u0438\u043d\u0430\u044f \u043e\u0442 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u0430 \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u0432, \u0437\u0430\u043a\u0430\u043d\u0447\u0438\u0432\u0430\u044f \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0430\u043c\u0438 \u043a\u043e\u043c\u043f\u0438\u043b\u044f\u0446\u0438\u0438.<\/p>\n<p>\u041a\u043e\u0434 \u043a\u043e\u0434 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u0442\u0430\u043a\u0436\u0435 \u0434\u043e\u0441\u0442\u0443\u043f\u0435\u043d \u043f\u043e \u0441\u0441\u044b\u043b\u043a\u0435, \u043f\u0440\u0438\u0432\u0435\u0434\u0435\u043d\u043d\u043e\u0439 \u0432\u044b\u0448\u0435. \u0421\u0435\u0442\u044c \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u0430\u044f \u0441 \u043e\u0434\u043d\u0438\u043c \u0441\u043b\u043e\u0435\u043c \u0438\u0437 8 \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u0432. \u0412\u044b\u0445\u043e\u0434\u043d\u043e\u0439 \u0441\u043b\u043e\u0439 \u0434\u0430\u043d\u043d\u043e\u0439 \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u043e\u0439 \u0441\u0435\u0442\u0438 \u0434\u043e\u043b\u0436\u0435\u043d \u0438\u043c\u0435\u0442\u044c \u043e\u0434\u0438\u043d \u043d\u0435\u0439\u0440\u043e\u043d \u0438 \u043f\u043e\u0434\u0445\u043e\u0434\u044f\u0449\u0443\u044e \u0444\u0443\u043d\u043a\u0446\u0438\u044e \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0438 \u0434\u043b\u044f \u0431\u0438\u043d\u0430\u0440\u043d\u043e\u0439 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 &#8212; \u044d\u0442\u043e <code>sigmoid<\/code>. \u041d\u0430 \u0432\u0445\u043e\u0434 \u043f\u043e\u0434\u0430\u0435\u0442\u0441\u044f \u0434\u0432\u0435 \u0444\u0438\u0447\u0438 (\u043a\u043e\u043e\u0440\u0434\u0438\u043d\u0430\u0442\u044b \u0442\u043e\u0447\u043a\u0438 X1 \u0438 X2), \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u0444\u043e\u0440\u043c\u0430 \u0432\u0445\u043e\u0434\u0430 \u0434\u0435\u043a\u043b\u0430\u0440\u0438\u0440\u0443\u0435\u0442\u0441\u044f, \u043a\u0430\u043a <code>shape=(2,)<\/code>:<\/p>\n<pre><code class=\"python\">model = tf.keras.models.Sequential([     tf.keras.layers.Input(shape=(2,)),             # Input shape \u0437\u0430\u0434\u0430\u043d\u0430 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e     tf.keras.layers.Dense(8, activation='relu'),   # 1\u0439 hidden layer     tf.keras.layers.Dense(1, activation='sigmoid') # \u0412\u044b\u0445\u043e\u0434\u043d\u043e\u0439 \u0441\u043b\u043e\u0439 \u0434\u043b\u044f \u0431\u0438\u043d\u0430\u0440\u043d\u043e\u0439 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 ])<\/code><\/pre>\n<h3>\u041a\u043e\u043c\u043f\u0438\u043b\u044f\u0446\u0438\u044f \u043c\u043e\u0434\u0435\u043b\u0438<\/h3>\n<p>\u041d\u0435\u043c\u043d\u043e\u0433\u043e \u043e \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0430\u0445 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0446\u0438\u0438. \u041e\u043d\u0438 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u044e\u0442\u0441\u044f \u043f\u0440\u0438 \u043a\u043e\u043c\u043f\u0438\u043b\u044f\u0446\u0438\u0438 \u043c\u043e\u0434\u0435\u043b\u0438: <\/p>\n<pre><code class=\"python\">model.compile(optimizer='adam',               loss='binary_crossentropy',               metrics=['accuracy'])<\/code><\/pre>\n<ul>\n<li>\n<p><code>Optimizer = 'adam'<\/code>: \u0410\u0434\u0430\u043f\u0442\u0438\u0432\u043d\u044b\u0439 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440 \u043f\u043e\u0434\u0445\u043e\u0434\u0438\u0442 \u0434\u043b\u044f \u0437\u0430\u0434\u0430\u0447 \u043e\u0431\u0449\u0435\u0433\u043e \u0445\u0430\u0440\u0430\u043a\u0442\u0435\u0440\u0430 (\u043d\u0435 \u0438\u043c\u0435\u044e\u0449\u0438\u0445 \u0432\u044b\u0440\u0430\u0436\u0435\u043d\u043d\u043e\u0439 \u0441\u043f\u0435\u0446\u0438\u0444\u0438\u043a\u0438 &#8212; \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0441 \u043f\u043e\u0434\u043a\u0440\u0435\u043f\u043b\u0435\u043d\u0438\u0435\u043c, \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u044f, \u0431\u043e\u043b\u0435\u0435 \u0441\u043b\u043e\u0436\u043d\u044b\u0435 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u044b \u0441\u0435\u0442\u0438), \u0447\u0430\u0441\u0442\u043e \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0435\u0442\u0441\u044f \u0432 \u0431\u0438\u043d\u0430\u0440\u043d\u043e\u0439 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438.<\/p>\n<\/li>\n<li>\n<p><code>loss = 'binary_crossentropy'<\/code>: \u0422\u043e \u043a\u0430\u043a \u0432\u044b\u0447\u0438\u0441\u043b\u044f\u0435\u0442\u0441\u044f \u043e\u0448\u0438\u0431\u043a\u0430 \u043f\u0440\u0438 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438 \u0441\u0435\u0442\u0438. \u0424\u043e\u0440\u043c\u0443\u043b\u0430 \u0435\u0441\u0442\u044c \u0441 \u043b\u043e\u0433\u0430\u0440\u0438\u0444\u043c\u0430\u043c\u0438. \u0424\u0443\u043d\u043a\u0446\u0438\u044f Sigmoid \u0434\u0430\u0435\u0442 \u0447\u0438\u0441\u043b\u043e \u043c\u0435\u0436\u0434\u0443 0 \u0438 1, \u043a\u043e\u0442\u043e\u0440\u043e\u0435 \u0438\u043d\u0442\u0435\u0440\u043f\u0440\u0435\u0442\u0438\u0440\u0443\u0435\u0442\u0441\u044f, \u043a\u0430\u043a \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u044c \u043f\u0440\u0438\u043d\u0430\u0434\u043b\u0435\u0436\u043d\u043e\u0441\u0442\u0438 \u043b\u0438\u0431\u043e \u043a 0 \u043b\u0438\u0431\u043e \u043a 1. \u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u043e\u0448\u0438\u0431\u043a\u0430 \u0441\u0447\u0438\u0442\u0430\u0435\u0442\u0441\u044f \u0434\u043b\u044f \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u0438, \u0430 \u043d\u0435 \u043f\u0440\u043e\u0441\u0442\u043e \u201c\u043e\u0434\u043d\u043e \u043c\u0438\u043d\u0443\u0441 \u0434\u0440\u0443\u0433\u043e\u0435\u201d. \u0421 \u044d\u0442\u0438\u043c \u0442\u0430\u043a\u0436\u0435 \u0441\u0432\u044f\u0437\u0430\u043d\u043e \u0442\u043e, \u0447\u0442\u043e \u0444\u0438\u0433\u0443\u0440\u0438\u0440\u0443\u0435\u0442 \u043f\u043e\u043d\u044f\u0442\u0438\u0435 \u044d\u043d\u0442\u0440\u043e\u043f\u0438\u0438. \u0421\u0442\u0430\u043d\u0434\u0430\u0440\u0442 \u0434\u043b\u044f \u0437\u0430\u0434\u0430\u0447 \u0431\u0438\u043d\u0430\u0440\u043d\u043e\u0439 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438.<\/p>\n<\/li>\n<li>\n<p><code>metrics = ['accuracy']<\/code>: \u041f\u0440\u043e\u0441\u0442\u0430\u044f \u0432 \u0432\u0438\u0437\u0443\u0430\u043b\u044c\u043d\u043e\u043c \u043f\u043e\u043d\u0438\u043c\u0430\u043d\u0438\u0438 \u043c\u0435\u0442\u0440\u0438\u043a\u0430 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u043c\u043e\u0434\u0435\u043b\u0438 \u043e\u0431\u0443\u0447\u0435\u043d\u043d\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438 \u043d\u0430 \u043a\u0430\u0436\u0434\u043e\u0439 \u044d\u043f\u043e\u0445\u0435. \u041e\u0441\u043e\u0431\u0435\u043d\u043d\u043e, \u043a\u043e\u0433\u0434\u0430 \u043e\u0431\u0430 \u043a\u043b\u0430\u0441\u0441\u0430 \u043e\u0434\u0438\u043d\u0430\u043a\u043e\u0432\u043e \u0432\u0430\u0436\u043d\u044b (\u0442\u043e \u0435\u0441\u0442\u044c \u0443 \u043d\u0430\u0441 \u043d\u0435\u0442 \u043e\u043f\u0430\u0441\u0435\u043d\u0438\u0439 \u043d\u0430\u0441\u0447\u0435\u0442 \u043d\u0435\u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e\u0433\u043e \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u044f \u043a\u0430\u043a\u043e\u0433\u043e-\u0442\u043e \u043e\u0434\u043d\u043e\u0433\u043e \u043a\u043b\u0430\u0441\u0441\u0430, \u043a\u0430\u043a \u0432 \u0437\u0430\u0434\u0430\u0447\u0430\u0445 \u0434\u0438\u0430\u0433\u043d\u043e\u0441\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f \u0437\u0430\u0431\u043e\u043b\u0435\u0432\u0430\u043d\u0438\u0439 \u0438\u043b\u0438 \u043a\u0440\u0435\u0434\u0438\u0442\u043d\u043e\u0433\u043e \u0440\u0435\u0439\u0442\u0438\u043d\u0433\u0430).<\/p>\n<\/li>\n<\/ul>\n<h3>Accuracy vs Loss<\/h3>\n<p>\u041f\u0440\u0438 \u0437\u0430\u043f\u0443\u0441\u043a\u0435 \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043a\u0438 \u043c\u043e\u0434\u0435\u043b\u0438 (<code>fit()<\/code>), \u043e\u0441\u043d\u043e\u0432\u0430\u043d\u043d\u043e\u0439 \u043d\u0430 \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u043e\u0439 \u0441\u0435\u0442\u0438, \u0412\u044b \u0443\u0432\u0438\u0434\u0438\u0442\u0435, \u0447\u0442\u043e \u043d\u0430 \u043a\u0430\u0436\u0434\u043e\u0439 \u044d\u043f\u043e\u0445\u0435 \u043f\u0435\u0447\u0430\u0442\u0430\u0435\u0442\u0441\u044f Loss \u0438 Accuracy.<\/p>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/6c6\/c5a\/dfe\/6c6c5adfe9de21ca12641cded7315875.png\" alt=\"\u0412\u044b\u0432\u043e\u0434 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 fit() c \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u043c verbose = 1 (\u043f\u043e-\u0443\u043c\u043e\u043b\u0447\u0430\u043d\u0438\u044e). \u0421 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u043c verbose = 0 \u0432\u044b\u0432\u043e\u0434\u0438\u0442\u0441\u044f \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u044f\u044f \u044d\u043f\u043e\u0445\u0430. \" title=\"\u0412\u044b\u0432\u043e\u0434 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 fit() c \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u043c verbose = 1 (\u043f\u043e-\u0443\u043c\u043e\u043b\u0447\u0430\u043d\u0438\u044e). \u0421 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u043c verbose = 0 \u0432\u044b\u0432\u043e\u0434\u0438\u0442\u0441\u044f \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u044f\u044f \u044d\u043f\u043e\u0445\u0430. \" width=\"940\" height=\"152\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/6c6\/c5a\/dfe\/6c6c5adfe9de21ca12641cded7315875.png\"\/><\/p>\n<div><figcaption>\u0412\u044b\u0432\u043e\u0434 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 <code>fit()<\/code> c \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u043c <code>verbose = 1<\/code> (\u043f\u043e-\u0443\u043c\u043e\u043b\u0447\u0430\u043d\u0438\u044e). \u0421 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u043c <code>verbose = 0<\/code> \u0432\u044b\u0432\u043e\u0434\u0438\u0442\u0441\u044f \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u044f\u044f \u044d\u043f\u043e\u0445\u0430. <\/figcaption><\/div>\n<\/figure>\n<p><code>loss<\/code> &#8212; \u044d\u0442\u043e \u0442\u043e, &#171;\u043d\u0430\u0441\u043a\u043e\u043b\u044c\u043a\u043e&#187; \u043e\u0442\u043b\u0438\u0447\u0430\u0435\u0442\u0441\u044f \u0432\u044b\u0434\u0430\u0432\u0430\u0435\u043c\u044b\u0439 \u0434\u043b\u044f \u0434\u0430\u043d\u043d\u043e\u0433\u043e \u0432\u0445\u043e\u0434\u0430 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u043e\u0442 \u043a\u043e\u043d\u043a\u0440\u0435\u0442\u043d\u043e\u0439 \u043c\u0435\u0442\u043a\u0438, \u0430 <code>accuracy<\/code> &#8212; \u044d\u0442\u043e \u043f\u0440\u043e\u0446\u0435\u043d\u0442 \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b\u0445 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u0439 \u0438\u0437 \u043e\u0431\u0449\u0435\u0433\u043e \u0447\u0438\u0441\u043b\u0430. \u041f\u0440\u0438\u0441\u0442\u0430\u0432\u043a\u0430 <code>val<\/code> &#8212; \u043e\u0442 \u0441\u043b\u043e\u0432\u0430 validation (data) &#8212; \u043e\u0446\u0435\u043d\u043a\u0430 \u043f\u043e \u0432\u0430\u043b\u0438\u0434\u0430\u0446\u0438\u043e\u043d\u043d\u044b\u043c \u0434\u0430\u043d\u043d\u044b\u043c. \u0418\u0445 \u0434\u043e\u043b\u044f \u043e\u0442 \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043e\u0447\u043d\u044b\u0445 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0435\u0442\u0441\u044f \u043f\u0440\u0438 \u0437\u0430\u043f\u0443\u0441\u043a\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u043c <code>validation_split<\/code>: <\/p>\n<pre><code class=\"python\">history = model.fit(X_train, y_train, epochs=100, batch_size=32, validation_split=0.2)<\/code><\/pre>\n<h2>\u0420\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b \u0440\u0430\u0431\u043e\u0442\u044b DL \u043c\u043e\u0434\u0435\u043b\u0438<\/h2>\n<p>\u0413\u0440\u0430\u0444\u0438\u043a \u0442\u0435\u0441\u0442\u043e\u0432\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u0441 \u0442\u043e\u0447\u043d\u044b\u043c\u0438 \u043c\u0435\u0442\u043a\u0430\u043c\u0438 (\u0441\u043f\u043b\u043e\u0448\u043d\u044b\u0435 \u043a\u0440\u0443\u0436\u043a\u0438) \u0438 \u043d\u0430\u043b\u043e\u0436\u0435\u043d\u043d\u044b\u0445 \u043c\u0435\u0442\u043e\u043a \u043f\u043e \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u0430\u043c \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u044f (\u043e\u043a\u0440\u0443\u0436\u043d\u043e\u0441\u0442\u0438). \u041c\u043e\u0434\u0435\u043b\u044c \u043e\u0448\u0438\u0431\u043b\u0430\u0441\u044c \u0442\u0430\u043c, \u0433\u0434\u0435 \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u0439 \u043a\u0440\u0443\u0436\u043e\u043a \u043e\u0431\u0432\u0435\u0434\u0435\u043d \u0441\u0438\u043d\u0438\u043c \u0438\u043b\u0438 \u043d\u0430\u043e\u0431\u043e\u0440\u043e\u0442.<\/p>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/d42\/be9\/80b\/d42be980bc39c1ae2e9c06db89d22e1e.png\" width=\"689\" height=\"701\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/d42\/be9\/80b\/d42be980bc39c1ae2e9c06db89d22e1e.png\"\/><\/p>\n<div><figcaption>\u0420\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u0439 \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0435\u0432\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438 \u043d\u0430 \u0442\u0435\u0441\u0442\u043e\u0432\u043e\u043c \u0441\u0435\u0433\u043c\u0435\u043d\u0442\u0435 \u0434\u0430\u043d\u043d\u044b\u0445.\u0415\u0441\u043b\u0438 \u0446\u0432\u0435\u0442\u0430 \u043a\u0440\u0443\u0436\u043e\u0447\u043a\u0430 \u0438 \u043e\u043a\u0440\u0443\u0436\u043d\u043e\u0441\u0442\u0438 \u043d\u0435 \u0441\u043e\u0432\u043f\u0430\u0434\u0430\u044e\u0442, \u044d\u0442\u043e \u043e\u0448\u0438\u0431\u043e\u0447\u043d\u043e\u0435 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u0435.<\/figcaption><\/div>\n<\/figure>\n<h2>\u0420\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b \u0440\u0430\u0431\u043e\u0442\u044b DL \u0438 ML \u043c\u043e\u0434\u0435\u043b\u0435\u0439<\/h2>\n<p>\u0414\u043b\u044f \u0432\u0438\u0437\u0443\u0430\u043b\u044c\u043d\u043e\u0439 \u043e\u0446\u0435\u043d\u043a\u0438 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u044f, \u043c\u044b \u043c\u043e\u0436\u0435\u043c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c Decision Boundary, \u043f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u043d\u0443\u044e \u043f\u043e \u0440\u0430\u0432\u043d\u043e\u043c\u0435\u0440\u043d\u043e\u0439 \u0441\u0435\u0442\u043a\u0435 \u0432 \u043e\u0431\u043b\u0430\u0441\u0442\u0438 \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445. \u0412 \u0446\u0435\u043d\u0442\u0440\u0435 &#8212; \u0441\u0435\u0440\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c \u0432 \u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u0442\u0435\u0441\u0442\u043e\u0432\u044b\u0435 \u0442\u043e\u0447\u043a\u0438 \u043e\u0442\u043c\u0435\u0447\u0430\u044e\u0442\u0441\u044f \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u043c\u0438. \u041c\u044b \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u0438\u043c \u0442\u0440\u0438 \u0432\u0430\u0440\u0438\u0430\u043d\u0442\u0430, \u043f\u0440\u0438\u0432\u0435\u0434\u0435\u043c \u0442\u043e\u0447\u043d\u043e\u0441\u0442\u044c \u043a\u0430\u0440\u0442\u0438\u043d\u043a\u0443 Decision Boundary \u0438 \u0432\u0440\u0435\u043c\u044f \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u043c\u043e\u0434\u0435\u043b\u0438. \u041c\u043e\u0436\u043d\u043e \u0437\u0430\u043c\u0435\u0442\u0438\u0442\u044c, \u0447\u0442\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u043e\u0442\u043b\u0438\u0447\u0430\u0435\u0442\u0441\u044f \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u043f\u043e \u0432\u0440\u0435\u043c\u0435\u043d\u0438.<\/p>\n<p>\u0421\u0443\u0449\u0435\u0441\u0442\u0432\u0443\u0435\u0442 \u0432\u0441\u0442\u0440\u043e\u0435\u043d\u043d\u0430\u044f \u0444\u0443\u043d\u043a\u0446\u0438\u044f scikit-learn, \u0432\u0435\u0440\u043d\u0435\u0435, <a href=\"https:\/\/scikit-learn.org\/1.5\/modules\/generated\/sklearn.inspection.DecisionBoundaryDisplay.html\" rel=\"noopener noreferrer nofollow\">\u043a\u043b\u0430\u0441\u0441 \u0434\u043b\u044f \u0440\u0430\u0431\u043e\u0442\u044b \u0441 Decision Boundary<\/a>. \u0423 \u043d\u0430\u0441, \u0432 \u0441\u043a\u0440\u0438\u043f\u0442\u0435 \u0442\u0440\u0435\u0431\u0443\u0435\u0442\u0441\u044f \u0440\u0430\u0431\u043e\u0442\u0430 \u0438 \u0441 DL \u043c\u043e\u0434\u0435\u043b\u044c\u044e (Keras) \u0438 \u0441 ML, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u043e\u0441\u0442\u0430\u043b\u0430\u0441\u044c \u043a\u0430\u0441\u0442\u043e\u043c\u043d\u0430\u044f. \u0412 \u043a\u0430\u0441\u0442\u043e\u043c\u043d\u043e\u0439 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u043f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u044f <code>plot_decision_boundary(X, y, model, resolution=100<\/code>) \u0435\u0441\u0442\u044c \u0434\u0432\u0430 \u0432\u0430\u0440\u0438\u0430\u043d\u0442\u0430 \u043f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u044f <code>plt.scatter()<\/code>, \u0447\u0442\u043e\u0431\u044b \u043d\u0435 \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u0430\u0441\u044c \u043a\u0430\u0448\u0430 \u0438\u0437 \u0442\u043e\u0447\u0435\u043a. \u041f\u0440\u0438 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u0435 \u0442\u043e\u0447\u0435\u043a \u0431\u043e\u043b\u0435\u0435 5000, \u0440\u0435\u043a\u043e\u043c\u0435\u043d\u0434\u0443\u0435\u0442\u0441\u044f \u0432\u044b\u0432\u043e\u0434\u0438\u0442\u044c \u043d\u0430 Decision Boundary \u043a\u0430\u0436\u0434\u0443\u044e 20-\u044e \u0442\u043e\u0447\u043a\u0443 (\u0438\u0437 \u0438\u0441\u0445\u043e\u0434\u043d\u043e\u0433\u043e \u043d\u0430\u0431\u043e\u0440\u0430), \u0434\u043b\u044f \u0447\u0435\u0433\u043e \u043f\u0435\u0440\u0435\u043c\u0435\u0441\u0442\u0438\u0442\u044c \u043a\u043e\u043c\u043c\u0435\u043d\u0442\u0430\u0440\u0438\u0438 \u0432 \u044d\u0442\u043e\u043c \u043a\u043e\u0434\u0435:<\/p>\n<pre><code class=\"python\">plt.scatter(X[y == 0][:, 0], X[y == 0][:, 1], color='orange', label='Orange (True 0)') #plt.scatter(X[y == 0][::20, 0], X[y == 0][::20, 1], color='orange', label='Orange (True 0)') plt.scatter(X[y == 1][:, 0], X[y == 1][:, 1], color='blue', label='Blue (True 1)') #plt.scatter(X[y == 1][::20, 0], X[y == 1][::20, 1], color='blue', label='Blue (True 1)')<\/code><\/pre>\n<h2>\u0412\u044b\u0432\u043e\u0434\u044b<\/h2>\n<ol>\n<li>\n<p>\u041f\u0440\u0438 \u043d\u0435\u0431\u043e\u043b\u044c\u0448\u043e\u043c \u0440\u0430\u0437\u043c\u0435\u0440\u0435 \u0434\u0430\u043d\u043d\u044b\u0445, \u0441\u0445\u043e\u0436\u0438\u0445 \u0432\u0438\u0437\u0443\u0430\u043b\u044c\u043d\u044b\u0445 \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u0430\u0445 \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e\u0439 \u0440\u0430\u0431\u043e\u0442\u044b \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0442\u043e\u0440\u0430 \u0438 \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e \u043e\u0434\u0438\u043d\u0430\u043a\u043e\u0432\u044b\u0445 \u043c\u0435\u0442\u0440\u0438\u043a\u0430\u0445, \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u0435 ML \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u044b \u043f\u043e \u0432\u0440\u0435\u043c\u0435\u043d\u0438 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u0432\u044b\u0438\u0433\u0440\u044b\u0432\u0430\u044e\u0442 \u0443 DL \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u0430.  <\/p>\n<\/li>\n<li>\n<p>DL \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u0440\u0438 \u0443\u0432\u0435\u043b\u0438\u0447\u0435\u043d\u0438\u0438 \u0440\u0430\u0437\u043c\u0435\u0440\u0430 \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u0441 1000 \u0434\u043e 100000 \u0442\u0430\u043a \u0438 \u043d\u0435 \u0441\u0442\u0430\u043b\u0430 \u043a\u0440\u0430\u0442\u043d\u043e \u0443\u0432\u0435\u043b\u0438\u0447\u0438\u0432\u0430\u0442\u044c \u0432\u0440\u0435\u043c\u044f \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043a\u0438. \u0412\u0440\u0435\u043c\u044f \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043a\u0438 \u043d\u0435 \u0440\u043e\u0441\u043b\u043e \u043f\u0440\u043e\u043f\u043e\u0440\u0446\u0438\u043e\u043d\u0430\u043b\u044c\u043d\u043e \u0447\u0438\u0441\u043b\u0443 \u043f\u0440\u0438\u043c\u0435\u0440\u043e\u0432 (\u0438\u0441\u0445\u043e\u0434\u043d\u044b\u0445 \u0442\u043e\u0447\u0435\u043a). \u0412 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0435\u043c \u043a\u0435\u0439\u0441\u0435 \u0443\u0432\u0435\u043b\u0438\u0447\u0435\u043d\u0438\u0435 \u0434\u0430\u043d\u043d\u044b\u0445 \u0432 100 \u0440\u0430\u0437 \u0434\u0430\u043b\u043e \u0443\u0432\u0435\u043b\u0438\u0447\u0435\u043d\u0438\u0435 \u0432\u0440\u0435\u043c\u0435\u043d\u0438 \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043a\u0438 \u0432 45 \u0440\u0430\u0437. \u0412 \u0442\u043e \u0436\u0435 \u0441\u0430\u043c\u043e\u0435 \u0432\u0440\u0435\u043c\u044f, \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u043e\u0431\u0435 \u0443\u0436\u0435 \u0443\u0432\u0435\u043b\u0438\u0447\u0438\u0432\u0430\u043b\u0438 \u0432\u0440\u0435\u043c\u044f \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043a\u0438 \u0432 \u0431\u043e\u043b\u044c\u0448\u0435\u0435 \u0447\u0438\u0441\u043b\u043e \u0440\u0430\u0437, \u0447\u0435\u043c \u0440\u043e\u0441\u043b\u043e \u0447\u0438\u0441\u043b\u043e \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445.<\/p>\n<\/li>\n<li>\n<p>\u0412 \u043d\u0430\u0447\u0430\u043b\u0435, \u0441 \u043d\u0435\u0431\u043e\u043b\u044c\u0448\u0438\u043c \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e\u043c \u0434\u0430\u043d\u043d\u044b\u0445 (1000 \u0442\u043e\u0447\u0435\u043a), \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u043e\u0447\u0435\u043d\u044c \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u0432\u044b\u0438\u0433\u0440\u044b\u0432\u0430\u043b\u0438 \u0443 \u043c\u043e\u0434\u0435\u043b\u0438 DL, \u043d\u043e \u0441 \u0440\u043e\u0441\u0442\u043e\u043c \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u0430 \u0442\u043e\u0447\u0435\u043a, \u044d\u0442\u043e\u0442 \u0432\u044b\u0438\u0433\u0440\u044b\u0448 \u043c\u043e\u0436\u0435\u0442 \u043f\u0440\u043e\u043f\u0430\u0441\u0442\u044c. \u0425\u043e\u0442\u044f \u0434\u043e 100000 \u0442\u043e\u0447\u0435\u043a \u0432\u044b\u0438\u0433\u0440\u044b\u0448 \u0442\u0430\u043a \u0438 \u043d\u0435 \u043f\u0440\u043e\u043f\u0430\u043b. DL \u043c\u043e\u0434\u0435\u043b\u044c \u0432\u0441\u0435 \u0435\u0449\u0435 \u0431\u044b\u043b\u0430 \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u043c\u0435\u0434\u043b\u0435\u043d\u043d\u0435\u0435 \u0432 \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043a\u0435.<\/p>\n<\/li>\n<li>\n<p>\u041f\u0440\u0438 \u0443\u0432\u0435\u043b\u0438\u0447\u0435\u043d\u0438\u0438 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u0430 \u0441\u0435\u043c\u043f\u043b\u043e\u0432 (\u0442\u043e\u0447\u0435\u043a), \u0442\u043e\u0447\u043d\u043e\u0441\u0442\u044c DL \u0441\u0445\u043e\u0434\u0438\u0442\u0441\u044f \u043a \u043f\u0440\u0438\u0435\u043c\u043b\u0435\u043c\u044b\u043c \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f\u043c \u0431\u044b\u0441\u0442\u0440\u0435\u0435 \u044d\u0442\u043e \u0432\u0438\u0434\u043d\u043e \u043f\u043e \u0433\u0440\u0430\u0444\u0438\u043a\u0430\u043c \u0441\u0445\u043e\u0434\u0438\u043c\u043e\u0441\u0442\u0438, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0441\u0442\u0440\u043e\u044f\u0442\u0441\u044f \u0432 \u043a\u043e\u0434\u0435 \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043a\u0438 DL-\u043c\u043e\u0434\u0435\u043b\u0438 Loss(Epoch).<\/p>\n<\/li>\n<\/ol>\n<p>\u0421\u043b\u0435\u0434\u0443\u0435\u0442 \u043e\u0442\u043c\u0435\u0442\u0438\u0442\u044c \u0435\u0449\u0435 \u043e\u0434\u0438\u043d \u043c\u043e\u043c\u0435\u043d\u0442 (\u0441\u043b\u0435\u0434\u0441\u0442\u0432\u0438\u0435 \u0438\u0437 4-\u0433\u043e \u0432\u044b\u0432\u043e\u0434\u0430). DL \u043c\u043e\u0434\u0435\u043b\u044c \u0443\u0447\u0438\u043b\u0430\u0441\u044c \u0432\u0441\u0435 \u0432\u0440\u0435\u043c\u044f \u0434\u043e 100 \u044d\u043f\u043e\u0445. \u042d\u0442\u043e \u0432\u043e \u043c\u043d\u043e\u0433\u0438\u0445 \u0441\u0438\u0442\u0443\u0430\u0446\u0438\u044f\u0445 \u043d\u0435 \u043d\u0443\u0436\u043d\u043e, \u0433\u0440\u0430\u0444\u0438\u043a \u0442\u043e\u0447\u043d\u043e\u0441\u0442\u0438 Loss(Epoch) \u0441\u0442\u0430\u043b \u0433\u043e\u0440\u0438\u0437\u043e\u043d\u0442\u0430\u043b\u044c\u043d\u044b\u043c \u0433\u043e\u0440\u0430\u0437\u0434\u043e \u0440\u0430\u043d\u044c\u0448\u0435 \u0432 \u043f\u0440\u0438\u043c\u0435\u0440\u0435 \u043d\u0430 100 000 \u0442\u043e\u0447\u0435\u043a. \u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u044c \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f DL-\u043c\u043e\u0434\u0435\u043b\u0438 \u043d\u0430 \u0431\u043e\u043b\u044c\u0448\u043e\u043c \u043e\u0431\u044a\u0435\u043c\u0435 \u0434\u0430\u043d\u043d\u044b\u0445 \u043c\u043e\u0436\u0435\u0442 \u043e\u043a\u0430\u0437\u0430\u0442\u044c\u0441\u044f \u0435\u0449\u0435 \u0431\u043e\u043b\u0435\u0435 \u0432\u044b\u0433\u043e\u0434\u043d\u043e\u0439 \u0438 \u0431\u043b\u0438\u0437\u043a\u043e\u0439 \u043a \u043c\u043e\u0434\u0435\u043b\u0438 SVC.<\/p>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/8e6\/b90\/97a\/8e6b9097aab67c4d47f0b0ae2ae4d6d8.png\" width=\"979\" height=\"377\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/8e6\/b90\/97a\/8e6b9097aab67c4d47f0b0ae2ae4d6d8.png\"\/><\/figure>\n<h2>\u0420\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b \u0434\u043b\u044f \u0441\u043f\u0440\u0430\u0432\u043a\u0438<\/h2>\n<h3>1000 \u0442\u043e\u0447\u0435\u043a<\/h3>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/66b\/99b\/908\/66b99b908641b9fb54ecbe818fda9652.png\" alt=\"1000 \u0433\u043e\u043b\u0443\u0431\u044b\u0445, 1000 \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u0445 \u0442\u043e\u0447\u0435\u043a. \u0421\u043b\u0435\u0432\u0430-\u043d\u0430\u043f\u0440\u0430\u0432\u043e DL (8 \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u0432), SVC, Decision Tree Classifier\" title=\"1000 \u0433\u043e\u043b\u0443\u0431\u044b\u0445, 1000 \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u0445 \u0442\u043e\u0447\u0435\u043a. \u0421\u043b\u0435\u0432\u0430-\u043d\u0430\u043f\u0440\u0430\u0432\u043e DL (8 \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u0432), SVC, Decision Tree Classifier\" width=\"936\" height=\"309\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/66b\/99b\/908\/66b99b908641b9fb54ecbe818fda9652.png\"\/><\/p>\n<div><figcaption><strong>1000 \u0433\u043e\u043b\u0443\u0431\u044b\u0445, 1000 \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u0445 \u0442\u043e\u0447\u0435\u043a.<\/strong> \u0421\u043b\u0435\u0432\u0430-\u043d\u0430\u043f\u0440\u0430\u0432\u043e DL (8 \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u0432), SVC, Decision Tree Classifier<\/figcaption><\/div>\n<\/figure>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<td>\n<p align=\"left\"><strong>DL 8 \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u0432<\/strong><\/p>\n<\/td>\n<td data-colwidth=\"234\" width=\"234\">\n<p align=\"left\"><strong>Support Vector Classifier (SVC)<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>Decision Tree Classifier<\/strong><\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><code>Accuracy: 99.71%<\/code><\/p>\n<p align=\"left\"><code>Confusion Matrix:<\/code><\/p>\n<p align=\"left\"><code>[[201 \u00a0 1]<\/code><\/p>\n<p align=\"left\"><code>\u00a0[\u00a0 0 148]]<\/code><\/p>\n<\/td>\n<td data-colwidth=\"234\" width=\"234\">\n<p align=\"left\"><code>Accuracy: 99.14%<\/code><\/p>\n<p align=\"left\"><code>Confusion Matrix:<\/code><\/p>\n<p align=\"left\"><code>[[199 \u00a0 3]<\/code><\/p>\n<p align=\"left\"><code>\u00a0[\u00a0 0 148]]<\/code><\/p>\n<\/td>\n<td>\n<p align=\"left\"><code>Accuracy: 98.29%<\/code><\/p>\n<p align=\"left\"><code>Confusion Matrix:<\/code><\/p>\n<p align=\"left\"><code>[[191 \u00a0 4]<\/code><\/p>\n<p align=\"left\"><code>\u00a0[\u00a0 2 153]]<\/code><\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><code>Elapsed time: 19.2379 seconds<\/code><\/p>\n<\/td>\n<td data-colwidth=\"234\" width=\"234\">\n<p align=\"left\"><code>Elapsed time: 0.0068 seconds<\/code><\/p>\n<\/td>\n<td>\n<p align=\"left\"><code>Elapsed time: 0.0045 seconds<\/code><\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<h3>2000 \u0442\u043e\u0447\u0435\u043a<\/h3>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/edf\/e04\/cb7\/edfe04cb7155d6f007128fde54b05ee3.png\" alt=\"2000 \u0433\u043e\u043b\u0443\u0431\u044b\u0445, 2000 \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u0445 \u0442\u043e\u0447\u0435\u043a.\" title=\"2000 \u0433\u043e\u043b\u0443\u0431\u044b\u0445, 2000 \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u0445 \u0442\u043e\u0447\u0435\u043a.\" width=\"1209\" height=\"400\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/edf\/e04\/cb7\/edfe04cb7155d6f007128fde54b05ee3.png\"\/><\/p>\n<div><figcaption><strong>2000 \u0433\u043e\u043b\u0443\u0431\u044b\u0445, 2000 \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u0445 \u0442\u043e\u0447\u0435\u043a.<\/strong><\/figcaption><\/div>\n<\/figure>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<td>\n<p align=\"left\"><strong>DL 8 \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u0432<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>Support Vector Classifier (SVC)<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>Decision Tree Classifier<\/strong><\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><code>Accuracy: 100.00%<\/code><\/p>\n<p align=\"left\"><code>Confusion Matrix:<\/code><\/p>\n<p align=\"left\"><code>[[433 \u00a0 0]<\/code><\/p>\n<p align=\"left\"><code>\u00a0[\u00a0 0 264]]<\/code><\/p>\n<\/td>\n<td>\n<p align=\"left\"><code>Accuracy: 99.71%<\/code><\/p>\n<p align=\"left\"><code>Confusion Matrix:<\/code><\/p>\n<p align=\"left\"><code>[[431 \u00a0 2]<\/code><\/p>\n<p align=\"left\"><code>\u00a0[\u00a0 0 264]]<\/code><\/p>\n<\/td>\n<td>\n<p align=\"left\"><code>Accuracy: 99.57%<\/code><\/p>\n<p align=\"left\"><code>Confusion Matrix:<\/code><\/p>\n<p align=\"left\"><code>[[432 \u00a0 1]<\/code><\/p>\n<p align=\"left\"><code>\u00a0[\u00a0 2 262]]<\/code><\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\"><code>Elapsed time: 32.8104 seconds x1.7<\/code><\/p>\n<\/td>\n<td>\n<p align=\"left\"><code>Elapsed time: 0.0166 seconds x2.35<\/code><\/p>\n<\/td>\n<td>\n<p align=\"left\"><code>Elapsed time: 0.0067 seconds x1.48<\/code><\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<h3>4000 \u0442\u043e\u0447\u0435\u043a<\/h3>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/4ca\/e1e\/219\/4cae1e219fd37bc7fa11e0502893797f.png\" alt=\"4000 \u0433\u043e\u043b\u0443\u0431\u044b\u0445, 4000 \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u0445 \u0442\u043e\u0447\u0435\u043a.\" title=\"4000 \u0433\u043e\u043b\u0443\u0431\u044b\u0445, 4000 \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u0445 \u0442\u043e\u0447\u0435\u043a.\" width=\"1202\" height=\"397\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/4ca\/e1e\/219\/4cae1e219fd37bc7fa11e0502893797f.png\"\/><\/p>\n<div><figcaption><strong>4000 \u0433\u043e\u043b\u0443\u0431\u044b\u0445, 4000 \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u0445 \u0442\u043e\u0447\u0435\u043a.<\/strong><\/figcaption><\/div>\n<\/figure>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<td data-colwidth=\"234\" width=\"234\">\n<p align=\"left\"><strong>DL 8 \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u0432<\/strong><\/p>\n<\/td>\n<td data-colwidth=\"234\" width=\"234\">\n<p align=\"left\"><strong>Support Vector Classifier (SVC)<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>Decision Tree Classifier<\/strong><\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"234\" width=\"234\">\n<p align=\"left\"><code>Accuracy: 99.35%<\/code><\/p>\n<p align=\"left\"><code>Confusion Matrix:<\/code><\/p>\n<p align=\"left\"><code>[[816 \u00a0 5]<\/code><\/p>\n<p align=\"left\"><code>\u00a0[\u00a0 4 562]]<\/code><\/p>\n<\/td>\n<td data-colwidth=\"234\" width=\"234\">\n<p align=\"left\"><code>Accuracy: 99.64%<\/code><\/p>\n<p align=\"left\"><code>Confusion Matrix:<\/code><\/p>\n<p align=\"left\"><code>[[816 \u00a0 5]<\/code><\/p>\n<p align=\"left\"><code>\u00a0[\u00a0 0 566]]<\/code><\/p>\n<\/td>\n<td>\n<p align=\"left\"><code>Accuracy: 99.50%<\/code><\/p>\n<p align=\"left\"><code>Confusion Matrix:<\/code><\/p>\n<p align=\"left\"><code>[[817 \u00a0 4]<\/code><\/p>\n<p align=\"left\"><code>\u00a0[\u00a0 3 563]]<\/code><\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"234\" width=\"234\">\n<p align=\"left\"><code>Elapsed time: 66.0951 seconds x3.43<\/code><\/p>\n<\/td>\n<td data-colwidth=\"234\" width=\"234\">\n<p align=\"left\"><code>Elapsed time: 0.0439 seconds x6.45<\/code><\/p>\n<\/td>\n<td>\n<p align=\"left\"><code>Elapsed time: 0.0131 seconds x2.91<\/code><\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<h3>100 000 \u0442\u043e\u0447\u0435\u043a<\/h3>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/c40\/ea8\/6c6\/c40ea86c616703c7e79286eaac75fd8b.png\" alt=\"100 000 \u0433\u043e\u043b\u0443\u0431\u044b\u0445, 100 000 \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u0445 \u0442\u043e\u0447\u0435\u043a. \u041f\u0435\u0447\u0430\u0442\u044c \u043d\u0430 \u0434\u0438\u0441\u043f\u043b\u0435\u0439 \u0447\u0435\u0440\u0435\u0437 20.\" title=\"100 000 \u0433\u043e\u043b\u0443\u0431\u044b\u0445, 100 000 \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u0445 \u0442\u043e\u0447\u0435\u043a. \u041f\u0435\u0447\u0430\u0442\u044c \u043d\u0430 \u0434\u0438\u0441\u043f\u043b\u0435\u0439 \u0447\u0435\u0440\u0435\u0437 20.\" width=\"1200\" height=\"402\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/c40\/ea8\/6c6\/c40ea86c616703c7e79286eaac75fd8b.png\"\/><\/p>\n<div><figcaption>100 000 \u0433\u043e\u043b\u0443\u0431\u044b\u0445, 100 000 \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u0445 \u0442\u043e\u0447\u0435\u043a. \u041f\u0435\u0447\u0430\u0442\u044c \u043d\u0430 \u0434\u0438\u0441\u043f\u043b\u0435\u0439 \u0447\u0435\u0440\u0435\u0437 20.<\/figcaption><\/div>\n<\/figure>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<td data-colwidth=\"234\" width=\"234\">\n<p align=\"left\"><strong>DL 8 \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u0432<\/strong><\/p>\n<\/td>\n<td data-colwidth=\"234\" width=\"234\">\n<p align=\"left\"><strong>Support Vector Classifier (SVC)<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>Decision Tree Classifier<\/strong><\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"234\" width=\"234\">\n<p align=\"left\"><code>Accuracy: 99.69%<\/code><\/p>\n<p align=\"left\"><code>Confusion Matrix:<\/code><\/p>\n<p align=\"left\"><code>[[19811 \u00a0 103]<\/code><\/p>\n<p align=\"left\"><code>\u00a0[\u00a0 \u00a0 5 14948]]<\/code><\/p>\n<\/td>\n<td data-colwidth=\"234\" width=\"234\">\n<p align=\"left\"><code>Accuracy: 99.62%<\/code><\/p>\n<p align=\"left\"><code>Confusion Matrix:<\/code><\/p>\n<p align=\"left\"><code>[[19780 \u00a0 134]<\/code><\/p>\n<p align=\"left\"><code>\u00a0[\u00a0 \u00a0 0 14953]]<\/code><\/p>\n<\/td>\n<td>\n<p align=\"left\"><code>Accuracy: 99.48%<\/code><\/p>\n<p align=\"left\"><code>Confusion Matrix:<\/code><\/p>\n<p align=\"left\"><code>[[19817\u00a0 \u00a0 97]<\/code><\/p>\n<p align=\"left\"><code>\u00a0[ \u00a0 83 14870]]<\/code><\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"234\" width=\"234\">\n<p align=\"left\"><code>Elapsed time: 893.0035 seconds x46.51<\/code><\/p>\n<\/td>\n<td data-colwidth=\"234\" width=\"234\">\n<p align=\"left\"><code>Elapsed time: 12.5210 seconds x1841<\/code><\/p>\n<\/td>\n<td>\n<p align=\"left\"><code>Elapsed time: 0.6075 seconds x135<\/code><\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<p>\u041f\u0440\u0438 \u0443\u0432\u0435\u043b\u0438\u0447\u0435\u043d\u0438\u0438 \u0447\u0438\u0441\u043b\u0430 \u043f\u0440\u0438\u043c\u0435\u0440\u043e\u0432 \u0432 \u0434\u0430\u043d\u043d\u044b\u0445 \u0432 100 \u0440\u0430\u0437, DL \u043c\u043e\u0434\u0435\u043b\u044c \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u0432 46 \u0440\u0430\u0437 \u0434\u043e\u043b\u044c\u0448\u0435, SVC \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u0432 1841 \u0440\u0430\u0437 \u0434\u043e\u043b\u044c\u0448\u0435, \u0430 Decision Tree &#8212; \u0432 135 \u0440\u0430\u0437 \u0434\u043e\u043b\u044c\u0448\u0435. \u041a\u0440\u0430\u0442\u043d\u043e\u0441\u0442\u044c \u0432\u0440\u0435\u043c\u0435\u043d\u0438 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0434\u043b\u044f \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u0445 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u043f\u0440\u0435\u0432\u044b\u0441\u0438\u043b\u0430 \u043a\u0440\u0430\u0442\u043d\u043e\u0441\u0442\u044c \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u0430 \u0434\u0430\u043d\u043d\u044b\u0445. \u0423 \u043c\u043e\u0434\u0435\u043b\u0438 SVC \u043e\u043d\u0430 \u0432\u0441\u0435\u0433\u0434\u0430 \u0431\u044b\u043b\u0430 \u0431\u043e\u043b\u044c\u0448\u0435.<\/p>\n<\/p>\n<\/div>\n<\/div>\n<\/div>\n<p><!----><!----><\/div>\n<p><!----><!----><br \/> \u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habr.com\/ru\/articles\/871008\/\"> https:\/\/habr.com\/ru\/articles\/871008\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<div><!--[--><!--]--><\/div>\n<div id=\"post-content-body\">\n<div>\n<div class=\"article-formatted-body article-formatted-body article-formatted-body_version-2\">\n<div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\">\n<p>\u041d\u0435\u0431\u043e\u043b\u044c\u0448\u043e\u0439 \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a (\u0432\u0440\u043e\u0434\u0435 <a href=\"https:\/\/scikit-learn.org\/1.5\/auto_examples\/classification\/plot_classifier_comparison.html#sphx-glr-auto-examples-classification-plot-classifier-comparison-py\" rel=\"noopener noreferrer nofollow\">\u044d\u0442\u043e\u0433\u043e<\/a>): \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u043c \u0434\u0430\u043d\u043d\u044b\u0435, \u043f\u043e\u0442\u043e\u043c \u0442\u0440\u0435\u043d\u0438\u0440\u0443\u0435\u043c \u043d\u0430 \u043d\u0438\u0445 \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u044c (DL &#8212; deep learning) \u0438 \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 (ML &#8212; machine learning). \u041e\u0446\u0435\u043d\u0438\u0432\u0430\u0442\u044c \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u0431\u0443\u0434\u0435\u043c \u043f\u043e \u0442\u043e\u0447\u043d\u043e\u0441\u0442\u0438 (<a href=\"https:\/\/en.wikipedia.org\/wiki\/Confusion_matrix\" rel=\"noopener noreferrer nofollow\">Confusion Matrix<\/a>) \u0438 \u043a\u043e\u043d\u0442\u0443\u0440\u043d\u043e\u043c\u0443 \u0433\u0440\u0430\u0444\u0438\u043a\u0443 Decision Boundary, \u0430 \u0442\u0430\u043a\u0436\u0435 \u043f\u043e \u0432\u0440\u0435\u043c\u0435\u043d\u0438 \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043a\u0438. \u041c\u044b \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u0446\u0438\u0440\u0443\u0435\u043c \u0441\u0438\u043d\u0442\u0435\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0434\u0430\u043d\u043d\u044b\u0435 \u0442\u0440\u0435\u043c\u044f \u0441\u043f\u043e\u0441\u043e\u0431\u0430\u043c\u0438 (\u043d\u0430 \u0440\u0430\u0437\u043d\u043e\u043c \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u0435 \u0434\u0430\u043d\u043d\u044b\u0445, \u043e\u0442 1000 \u0434\u043e 100 000 \u043f\u0440\u0438\u043c\u0435\u0440\u043e\u0432):<\/p>\n<ul>\n<li>\n<p>DL \u043c\u043e\u0434\u0435\u043b\u044c \u0441 \u043e\u0434\u043d\u0438\u043c \u0441\u043b\u043e\u0435\u043c \u0438\u0437 8 \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u0432<\/p>\n<\/li>\n<li>\n<p>Support Vector Classifier<\/p>\n<\/li>\n<li>\n<p>Decision Tree Classifier<\/p>\n<\/li>\n<\/ul>\n<p>\u0412 \u0441\u0442\u0430\u0442\u044c\u0435 \u0434\u0430\u044e\u0442\u0441\u044f \u043e\u0441\u043d\u043e\u0432\u043d\u044b\u0435 \u043d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0438 DL \u043c\u043e\u0434\u0435\u043b\u0438. \u0417\u0430\u0442\u0435\u043c &#8212; \u0432\u044b\u0432\u043e\u0434\u044b \u0438 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b \u043f\u0440\u0438\u0432\u043e\u0434\u044f\u0442\u0441\u044f \u0432 \u043a\u043e\u043d\u0446\u0435 \u0434\u043b\u044f \u0441\u043f\u0440\u0430\u0432\u043a\u0438, \u0447\u0442\u043e\u0431\u044b \u043d\u0435 \u0437\u0430\u0433\u0440\u043e\u043c\u043e\u0436\u0434\u0430\u0442\u044c \u043f\u043e\u043b\u0435\u0437\u043d\u043e\u0435 \u043c\u0435\u0441\u0442\u043e. \u0422\u0435 \u0436\u0435 \u0441\u0430\u043c\u044b\u0435 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b \u043c\u043e\u0436\u043d\u043e \u043f\u043e\u043b\u0443\u0447\u0438\u0442\u044c \u0437\u0430\u043f\u0443\u0441\u043a\u0430\u044f \u043a\u043e\u0434 \u0438\u0437 Google Colab. \u041a\u043e\u0434 \u0432 \u0441\u0442\u0430\u0442\u044c\u0435 \u043f\u0440\u0438\u0432\u043e\u0434\u0438\u0442\u0441\u044f \u043d\u0435 \u0432\u0435\u0441\u044c, \u0430 \u0442\u043e\u043b\u044c\u043a\u043e \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u044b\u0439. \u0414\u0435\u0442\u0430\u043b\u0438 &#8212; \u0432 \u0431\u043b\u043e\u043a\u043d\u043e\u0442\u0435.<\/p>\n<h2>Decision Boundary \u0438 TensorFlow Playground<\/h2>\n<p>\u0410\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430 \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0438 \u0432 \u0434\u0430\u043d\u043d\u043e\u0439 \u0441\u0442\u0430\u0442\u044c\u0435 \u0440\u0430\u0441\u0441\u043c\u0430\u0442\u0440\u0438\u0432\u0430\u0435\u0442\u0441\u044f \u043e\u0434\u043d\u0430. \u0421 \u0446\u0435\u043b\u044c\u044e \u0438\u0437\u0443\u0447\u0435\u043d\u0438\u044f \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440 \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0438, \u043c\u043e\u0436\u043d\u043e \u0442\u0430\u043a\u0436\u0435 \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0435\u0442\u044c<a href=\"https:\/\/playground.tensorflow.org\/#activation=sigmoid&amp;batchSize=10&amp;dataset=circle&amp;regDataset=reg-plane&amp;learningRate=0.03&amp;regularizationRate=0&amp;noise=0&amp;networkShape=3&amp;seed=0.50543&amp;showTestData=false&amp;discretize=false&amp;percTrainData=50&amp;x=true&amp;y=true&amp;xTimesY=false&amp;xSquared=false&amp;ySquared=false&amp;cosX=false&amp;sinX=false&amp;cosY=false&amp;sinY=false&amp;collectStats=false&amp;problem=classification&amp;initZero=false&amp;hideText=false\" rel=\"noopener noreferrer nofollow\"> TensorFlow Playground<\/a>. \u0412 \u043d\u0435\u043c \u043c\u043e\u0436\u043d\u043e \u0432\u0438\u0437\u0443\u0430\u043b\u044c\u043d\u043e \u0440\u0435\u0434\u0430\u043a\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u044c \u0438 \u0441\u043c\u043e\u0442\u0440\u0435\u0442\u044c \u043d\u0430 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442, \u0434\u0435\u043b\u0430\u044f \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0448\u0430\u0433 \u0437\u0430 \u0448\u0430\u0433\u043e\u043c, \u043d\u0430\u0431\u043b\u044e\u0434\u0430\u044f \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f \u043a\u043e\u044d\u0444\u0444\u0438\u0446\u0438\u0435\u043d\u0442\u043e\u0432. \u0422\u0430\u043c \u0441\u0432\u043e\u044f \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0435\u0432\u0430\u044f \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0430, \u043d\u0435 TensorFlow (\u0438 \u043d\u0435\u0442 \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u043e\u0433\u043e ML). \u0417\u0430\u0442\u043e \u0435\u0441\u0442\u044c \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e\u0441\u0442\u044c \u043f\u043e\u043a\u043e\u043f\u0430\u0442\u044c\u0441\u044f \u0432<a href=\"https:\/\/github.com\/tensorflow\/playground\" rel=\"noopener noreferrer nofollow\"> \u0438\u0441\u0445\u043e\u0434\u043d\u0438\u043a\u0430\u0445<\/a>. \u041e\u0431\u0440\u0430\u0442\u0438\u0442\u0435 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u043d\u0430 \u0441\u0442\u043e\u043b\u0431\u0435\u0446 Output \u043d\u0430 \u0440\u0438\u0441\u0443\u043d\u043a\u0435 \u043d\u0438\u0436\u0435. \u0422\u0430\u043c \u0434\u0430\u043d\u0430 Test Loss \u0438 \u043a\u0430\u043a \u0440\u0430\u0437 \u043f\u043e\u043a\u0430\u0437\u0430\u043d\u0430 Decision Boundary. \u041c\u044b \u0431\u0443\u0434\u0435\u043c \u0442\u0430\u043a\u0443\u044e \u0436\u0435 \u043a\u0430\u0440\u0442\u0438\u043d\u043a\u0443 \u043f\u043e\u043b\u0443\u0447\u0430\u0442\u044c \u0438 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u0432 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 \u0432\u0438\u0437\u0443\u0430\u043b\u044c\u043d\u043e\u0439 \u0445\u0430\u0440\u0430\u043a\u0442\u0435\u0440\u0438\u0441\u0442\u0438\u043a\u0438.<\/p>\n<figure class=\"full-width\">\n<div><figcaption>\u041d\u0430\u0431\u043e\u0440 \u0434\u0430\u043d\u043d\u044b\u0445 &#8212; \u044d\u0442\u043e \u0434\u0432\u0443\u043c\u0435\u0440\u043d\u044b\u0435 \u0442\u043e\u0447\u043a\u0438, \u0438\u043c\u0435\u044e\u0449\u0438\u0435 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u043d\u044b\u0439 \u0446\u0432\u0435\u0442 (\u0433\u043e\u043b\u0443\u0431\u043e\u0439 \u0438\u043b\u0438 \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u0439). \u0414\u0432\u0435 \u043a\u043e\u043e\u0440\u0434\u0438\u043d\u0430\u0442\u044b &#8212; \u044d\u0442\u043e features, \u0446\u0432\u0435\u0442 &#8212; label. \u0414\u043b\u044f \u043f\u0440\u0438\u0435\u043c\u043b\u0435\u043c\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0438 test loss 3.6% \u043f\u043e\u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043b\u043e\u0441\u044c 369 \u044d\u043f\u043e\u0445. \u0412 \u043f\u0440\u0430\u0432\u043e\u0439 \u0447\u0430\u0441\u0442\u0438 \u043f\u043e\u043a\u0430\u0437\u0430\u043d \u043a\u043e\u043d\u0442\u0443\u0440\u043d\u044b\u0439 \u0433\u0440\u0430\u0444\u0438\u043a decision boundary.<\/figcaption><\/div>\n<\/figure>\n<h2>\u0421\u0435\u043f\u0430\u0440\u0430\u0431\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u044c \u0434\u0430\u043d\u043d\u044b\u0445 \u0438 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u0432<\/h2>\n<p>\u0421\u0435\u043f\u0430\u0440\u0430\u0431\u0435\u043b\u044c\u043d\u044b\u0435 \u0434\u0430\u043d\u043d\u044b\u0435 \u0434\u043e\u043b\u0436\u043d\u044b \u0438\u043c\u0435\u0442\u044c \u0440\u0430\u0441\u0441\u0442\u043e\u044f\u043d\u0438\u0435 \u043c\u0435\u0436\u0434\u0443 \u043a\u043b\u0430\u0441\u0441\u0430\u043c\u0438, \u0447\u0442\u043e\u0431\u044b \u0434\u0430\u043d\u043d\u044b\u0435 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u0446\u0438\u0440\u043e\u0432\u0430\u043b\u0438\u0441\u044c \u0442\u0440\u0435\u043c\u044f \u043d\u0435\u0439\u0440\u043e\u043d\u0430\u043c\u0438. \u041d\u0430 \u0440\u0438\u0441\u0443\u043d\u043a\u0435 \u0432\u044b\u0448\u0435 \u0432\u0438\u0434\u043d\u043e \u0447\u0442\u043e \u043c\u0435\u0436\u0434\u0443 \u0433\u0440\u0443\u043f\u043f\u0430\u043c\u0438 \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u0445 \u0438 \u0441\u0438\u043d\u0438\u0445 \u0442\u043e\u0447\u0435\u043a \u0435\u0441\u0442\u044c \u043a\u043e\u043b\u044c\u0446\u0435\u0432\u043e\u0439 \u0437\u0430\u0437\u043e\u0440. \u0412 \u043c\u043e\u0435\u043c \u0441\u043b\u0443\u0447\u0430\u0435, \u0437\u0430\u0437\u043e\u0440\u0430 \u043d\u0435\u0442 (\u0440\u0438\u0441\u0443\u043d\u043e\u043a \u0431\u0443\u0434\u0435\u0442 \u043d\u0438\u0436\u0435) \u0438 \u043d\u0443\u0436\u043d\u043e \u043c\u0438\u043d\u0438\u043c\u0443\u043c &#8212; 6 \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u0432 (\u0441\u043c. \u043a\u043e\u0434 \u0432 Google Colab \u043f\u043e \u0441\u0441\u044b\u043b\u043a\u0435 \u043d\u0438\u0436\u0435). \u042d\u0442\u043e \u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043d\u0438\u0435 \u043a \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u0443 \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u0432 \u0432\u043e\u0437\u043d\u0438\u043a\u0430\u0435\u0442 \u0438\u0437-\u0437\u0430 \u0442\u043e\u0433\u043e \u0447\u0442\u043e \u043a\u043b\u0430\u0441\u0441\u044b \u043f\u0440\u0438\u043b\u0435\u0433\u0430\u044e\u0442 \u043f\u043b\u043e\u0442\u043d\u043e \u0434\u0440\u0443\u0433-\u043a-\u0434\u0440\u0443\u0433\u0443 \u0438 &#171;\u0437\u0430\u0437\u043e\u0440&#187; \u043c\u0435\u0436\u0434\u0443 \u0433\u043e\u043b\u0443\u0431\u044b\u043c\u0438 \u0438 \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u043c\u0438 \u043c\u0435\u0442\u043a\u0430\u043c\u0438 \u0432 \u043c\u043e\u0435\u043c \u043d\u0430\u0431\u043e\u0440\u0435 \u043d\u0435\u0431\u043e\u043b\u044c\u0448\u043e\u0439 (\u0435\u0433\u043e \u043f\u043e\u0447\u0442\u0438 \u043d\u0435\u0442). \u0415\u0441\u043b\u0438, \u0432 \u0441\u0435\u043a\u0446\u0438\u0438 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 \u0434\u0430\u043d\u043d\u044b\u0445, \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0432\u043c\u0435\u0441\u0442\u043e:<\/p>\n<pre><code class=\"python\">blue_points_separable = blue_points[distance_from_origin_blue &gt; 1.0]<\/code><\/pre>\n<p>\u0447\u0442\u043e-\u0442\u043e \u0442\u0430\u043a\u043e\u0435:<\/p>\n<pre><code class=\"python\">blue_points_separable = blue_points[distance_from_origin_blue &gt; 1.4]<\/code><\/pre>\n<p>\u0422\u043e \u043c\u043e\u0436\u043d\u043e \u0431\u0443\u0434\u0435\u0442 \u0438 \u0442\u0440\u0435\u043c\u044f \u043d\u0435\u0439\u0440\u043e\u043d\u0430\u043c\u0438 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u0446\u0438\u0440\u043e\u0432\u0430\u0442\u044c. \u041d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u0442\u0430\u043a (\u0432\u043e\u043e\u0431\u0449\u0435, \u043d\u0430 \u043a\u0430\u0440\u0442\u0438\u043d\u043a\u0435 \u0432\u044b\u0448\u0435 &#8212; 369 \u044d\u043f\u043e\u0445, \u043d\u043e \u0438 200 \u044d\u043f\u043e\u0445 \u0431\u0443\u0434\u0435\u0442 \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e):<\/p>\n<pre><code class=\"python\">history = model.fit(X_train, y_train, epochs=200, batch_size=10, validation_split=0.2, verbose=1)<\/code><\/pre>\n<figure class=\"full-width\">\n<div><figcaption>\u0422\u0430\u043a \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 Decision Boundary \u0434\u043b\u044f \u0442\u0440\u0435\u0445\u043d\u0435\u0439\u0440\u043e\u043d\u043d\u043e\u0439 DL \u043c\u043e\u0434\u0435\u043b\u0438 \u0432\u044b\u043f\u043e\u043b\u043d\u0435\u043d\u043d\u043e\u0439 \u043f\u0440\u0438\u0432\u0435\u0434\u0435\u043d\u043d\u044b\u043c \u0441\u043a\u0440\u0438\u043f\u0442\u043e\u043c (Google Colab). \u041a\u0430\u043a \u0432\u0438\u0434\u043d\u043e, \u043e\u043d\u0430 \u043d\u0435 \u0441\u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u0442\u043e\u0447\u043d\u043e\u0439 \u0435\u0441\u043b\u0438 \u043c\u0435\u0436\u0434\u0443 \u043a\u043b\u0430\u0441\u0441\u0430\u043c\u0438 \u043d\u0435 \u0431\u0443\u0434\u0435\u0442 \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e\u0433\u043e &#171;\u0437\u0430\u0437\u043e\u0440\u0430&#187;. \u0422\u0430\u043a\u043e\u0439 \u0437\u0430\u0437\u043e\u0440 \u0435\u0441\u0442\u044c \u0432 \u0434\u0430\u043d\u043d\u044b\u0445, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u0442 TensorFlow Playground. \u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u0442\u0440\u0435\u0445-\u043d\u0435\u0439\u0440\u043e\u043d\u043d\u0430\u044f \u0441\u0435\u0442\u043a\u0430 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u0446\u0438\u0440\u0443\u0435\u0442 \u0434\u0430\u043d\u043d\u044b\u0435.<\/figcaption><\/div>\n<\/figure>\n<p>\u0412 \u043d\u0430\u0448\u0438\u0445 \u043f\u0440\u0438\u043c\u0435\u0440\u0430\u0445, \u043c\u044b \u0442\u0430\u043a\u0436\u0435 \u0431\u0443\u0434\u0435\u043c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u043d\u0430\u0431\u043e\u0440\u044b \u0434\u0430\u043d\u043d\u044b\u0445 \u0438\u0437 \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u0445 \u0438 \u0433\u043e\u043b\u0443\u0431\u044b\u0445 \u0442\u043e\u0447\u0435\u043a. \u041d\u043e \u043c\u044b \u043d\u0435 \u0431\u0443\u0434\u0435\u043c \u0441\u0442\u0440\u0435\u043c\u0438\u0442\u044c\u0441\u044f \u043a \u043c\u0438\u043d\u0438\u043c\u0430\u043b\u044c\u043d\u043e\u043c\u0443 \u0447\u0438\u0441\u043b\u0443 \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u0432, \u0430 \u043b\u0438\u0448\u044c \u043a \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e \u043e\u0434\u0438\u043d\u0430\u043a\u043e\u0432\u043e \u0445\u043e\u0440\u043e\u0448\u0438\u043c \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u0430\u043c \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u0439 \u043c\u043e\u0434\u0435\u043b\u0438.<\/p>\n<h2>\u0413\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044f \u0434\u0430\u043d\u043d\u044b\u0445<\/h2>\n<p><a href=\"https:\/\/colab.research.google.com\/drive\/1bhq5Byjacoyqg20swNeuTKpBmFeCjs8X?usp=sharing\" rel=\"noopener noreferrer nofollow\"><u>Google Colab \u0437\u0434\u0435\u0441\u044c<\/u><\/a>. \u0412 \u044d\u0442\u043e\u043c \u0444\u0430\u0439\u043b\u0435 &#8212; \u0432\u0435\u0441\u044c \u043a\u043e\u0434, \u0432\u0441\u0435 \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u044f: \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044f, \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043a\u0430, \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u044f \u0438 \u0433\u0440\u0430\u0444\u0438\u043a\u0438. \u0424\u0430\u0439\u043b \u043f\u043e\u0434\u0435\u043b\u0435\u043d \u043d\u0430 4 \u0447\u0430\u0441\u0442\u0438. \u041e\u043d\u0438 \u0441\u0432\u0435\u0440\u043d\u0443\u0442\u044b \u0432 \u0437\u0430\u0433\u043e\u043b\u043e\u0432\u043a\u0438.<\/p>\n<p>\u0414\u0430\u043d\u043d\u044b\u0435 \u043f\u0440\u0438 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 \u0441\u043e\u0445\u0440\u0430\u043d\u044f\u044e\u0442\u0441\u044f \u0432 CSV-\u0444\u0430\u0439\u043b (circle_classification_separable_dataset.csv). \u041a\u043e\u0434 \u0433\u0435\u043d\u0435\u0440\u0430\u0442\u043e\u0440\u0430 \u043f\u0440\u043e\u043a\u043e\u043c\u043c\u0435\u043d\u0442\u0438\u0440\u043e\u0432\u0430\u043d \u0438 \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u043f\u0440\u043e\u0441\u0442\u043e\u0439, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u044f \u043f\u0440\u043e\u0441\u0442\u043e \u0441\u0440\u0430\u0437\u0443 \u043f\u0440\u0438\u0432\u0435\u0434\u0443 \u0433\u0440\u0430\u0444\u0438\u043a \u0441\u0433\u0435\u043d\u0435\u0440\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 (\u0434\u043b\u044f 1000 \u0442\u043e\u0447\u0435\u043a):<\/p>\n<figure class=\"full-width\">\n<div><figcaption>\u0421\u0433\u0435\u043d\u0435\u0440\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0435 \u043c\u0430\u0440\u043a\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0435 \u0434\u0430\u043d\u043d\u044b\u0435 (circle_classification_separable_dataset.csv) \u0441\u043e\u0441\u0440\u0435\u0434\u043e\u0442\u043e\u0447\u0435\u043d\u044b \u0432\u043e\u043a\u0440\u0443\u0433 \u043d\u0430\u0447\u0430\u043b\u0430 \u043a\u043e\u043e\u0440\u0434\u0438\u043d\u0430\u0442. \u0417\u0430\u043c\u0435\u0442\u043d\u043e, \u0447\u0442\u043e \u043a\u043b\u0430\u0441\u0441\u044b \u043b\u0435\u0436\u0430\u0442 \u0432\u043f\u043b\u043e\u0442\u043d\u0443\u044e \u0438 \u044d\u0442\u043e \u0437\u0430\u0442\u0440\u0443\u0434\u043d\u044f\u0435\u0442 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u044e \u043c\u0438\u043d\u0438\u043c\u0430\u043b\u044c\u043d\u044b\u043c \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e\u043c \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u0432. \u041a\u0430\u043a \u0431\u044b\u043b\u043e \u0443\u043a\u0430\u0437\u0430\u043d\u043e \u0440\u0430\u043d\u0435\u0435, \u043f\u0440\u0438 \u0442\u0440\u0435\u0445 \u043d\u0435\u0439\u0440\u043e\u043d\u0430\u0445, \u043e\u0431\u043b\u0430\u0441\u0442\u044c Decision Boundary \u0431\u0443\u0434\u0435\u0442 \u0447\u0435\u0442\u044b\u0440\u0435\u0445\u0443\u0433\u043e\u043b\u044c\u043d\u0438\u043a\u043e\u043c. \u0412 \u0442\u0430\u043a\u043e\u043c \u0441\u043b\u0443\u0447\u0430\u0435, \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0435 \u0441\u043c\u043e\u0436\u0435\u0442 \u043f\u043e\u0434\u043e\u0431\u0440\u0430\u0442\u044c \u0447\u0435\u0442\u044b\u0440\u0451\u0445\u0443\u0433\u043e\u043b\u044c\u043d\u0438\u043a \u0434\u043b\u044f \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u0445 \u0442\u043e\u0447\u0435\u043a, \u043d\u0435 \u0437\u0430\u0446\u0435\u043f\u0438\u0432 \u0441\u0438\u043d\u0438\u0435. \u041f\u0440\u0438\u043c\u0435\u0440 \u0434\u043b\u044f 1000 \u0442\u043e\u0447\u0435\u043a.<\/figcaption><\/div>\n<\/figure>\n<p>\u0418\u0442\u0430\u043a, \u0446\u0435\u043b\u044c\u044e \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u0443\u0433\u0430\u0434\u044b\u0432\u0430\u043d\u0438\u0435 \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u044c\u044e \u0446\u0432\u0435\u0442\u0430 \u0442\u043e\u0447\u043a\u0438 \u0432 \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0438 \u043e\u0442 \u043a\u043e\u043e\u0440\u0434\u0438\u043d\u0430\u0442.  <\/p>\n<h2>\u041a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u044f \u0434\u0430\u043d\u043d\u044b\u0445 \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u044c\u044e  <\/h2>\n<p>\u041d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u044c, \u0432 \u043e\u0442\u043b\u0438\u0447\u0438\u0438 \u043e\u0442 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 SVC \u0438 Decision Tree, \u0437\u0430\u0434\u0430\u0435\u0442\u0441\u044f \u043d\u0435 \u043e\u0434\u043d\u043e\u0439 \u043a\u043e\u043c\u0430\u043d\u0434\u043e\u0439 \u0438 \u0438\u043c\u0435\u0435\u0442 \u0440\u044f\u0434 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432, \u043d\u0430\u0447\u0438\u043d\u0430\u044f \u043e\u0442 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u0430 \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u0432, \u0437\u0430\u043a\u0430\u043d\u0447\u0438\u0432\u0430\u044f \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0430\u043c\u0438 \u043a\u043e\u043c\u043f\u0438\u043b\u044f\u0446\u0438\u0438.<\/p>\n<p>\u041a\u043e\u0434 \u043a\u043e\u0434 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u0442\u0430\u043a\u0436\u0435 \u0434\u043e\u0441\u0442\u0443\u043f\u0435\u043d \u043f\u043e \u0441\u0441\u044b\u043b\u043a\u0435, \u043f\u0440\u0438\u0432\u0435\u0434\u0435\u043d\u043d\u043e\u0439 \u0432\u044b\u0448\u0435. \u0421\u0435\u0442\u044c \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u0430\u044f \u0441 \u043e\u0434\u043d\u0438\u043c \u0441\u043b\u043e\u0435\u043c \u0438\u0437 8 \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u0432. \u0412\u044b\u0445\u043e\u0434\u043d\u043e\u0439 \u0441\u043b\u043e\u0439 \u0434\u0430\u043d\u043d\u043e\u0439 \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u043e\u0439 \u0441\u0435\u0442\u0438 \u0434\u043e\u043b\u0436\u0435\u043d \u0438\u043c\u0435\u0442\u044c \u043e\u0434\u0438\u043d \u043d\u0435\u0439\u0440\u043e\u043d \u0438 \u043f\u043e\u0434\u0445\u043e\u0434\u044f\u0449\u0443\u044e \u0444\u0443\u043d\u043a\u0446\u0438\u044e \u0430\u043a\u0442\u0438\u0432\u0430\u0446\u0438\u0438 \u0434\u043b\u044f \u0431\u0438\u043d\u0430\u0440\u043d\u043e\u0439 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 &#8212; \u044d\u0442\u043e <code>sigmoid<\/code>. \u041d\u0430 \u0432\u0445\u043e\u0434 \u043f\u043e\u0434\u0430\u0435\u0442\u0441\u044f \u0434\u0432\u0435 \u0444\u0438\u0447\u0438 (\u043a\u043e\u043e\u0440\u0434\u0438\u043d\u0430\u0442\u044b \u0442\u043e\u0447\u043a\u0438 X1 \u0438 X2), \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u0444\u043e\u0440\u043c\u0430 \u0432\u0445\u043e\u0434\u0430 \u0434\u0435\u043a\u043b\u0430\u0440\u0438\u0440\u0443\u0435\u0442\u0441\u044f, \u043a\u0430\u043a <code>shape=(2,)<\/code>:<\/p>\n<pre><code class=\"python\">model = tf.keras.models.Sequential([     tf.keras.layers.Input(shape=(2,)),             # Input shape \u0437\u0430\u0434\u0430\u043d\u0430 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e     tf.keras.layers.Dense(8, activation='relu'),   # 1\u0439 hidden layer     tf.keras.layers.Dense(1, activation='sigmoid') # \u0412\u044b\u0445\u043e\u0434\u043d\u043e\u0439 \u0441\u043b\u043e\u0439 \u0434\u043b\u044f \u0431\u0438\u043d\u0430\u0440\u043d\u043e\u0439 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 ])<\/code><\/pre>\n<h3>\u041a\u043e\u043c\u043f\u0438\u043b\u044f\u0446\u0438\u044f \u043c\u043e\u0434\u0435\u043b\u0438<\/h3>\n<p>\u041d\u0435\u043c\u043d\u043e\u0433\u043e \u043e \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0430\u0445 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0446\u0438\u0438. \u041e\u043d\u0438 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u044e\u0442\u0441\u044f \u043f\u0440\u0438 \u043a\u043e\u043c\u043f\u0438\u043b\u044f\u0446\u0438\u0438 \u043c\u043e\u0434\u0435\u043b\u0438: <\/p>\n<pre><code class=\"python\">model.compile(optimizer='adam',               loss='binary_crossentropy',               metrics=['accuracy'])<\/code><\/pre>\n<ul>\n<li>\n<p><code>Optimizer = 'adam'<\/code>: \u0410\u0434\u0430\u043f\u0442\u0438\u0432\u043d\u044b\u0439 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440 \u043f\u043e\u0434\u0445\u043e\u0434\u0438\u0442 \u0434\u043b\u044f \u0437\u0430\u0434\u0430\u0447 \u043e\u0431\u0449\u0435\u0433\u043e \u0445\u0430\u0440\u0430\u043a\u0442\u0435\u0440\u0430 (\u043d\u0435 \u0438\u043c\u0435\u044e\u0449\u0438\u0445 \u0432\u044b\u0440\u0430\u0436\u0435\u043d\u043d\u043e\u0439 \u0441\u043f\u0435\u0446\u0438\u0444\u0438\u043a\u0438 &#8212; \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0441 \u043f\u043e\u0434\u043a\u0440\u0435\u043f\u043b\u0435\u043d\u0438\u0435\u043c, \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u044f, \u0431\u043e\u043b\u0435\u0435 \u0441\u043b\u043e\u0436\u043d\u044b\u0435 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u044b \u0441\u0435\u0442\u0438), \u0447\u0430\u0441\u0442\u043e \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0435\u0442\u0441\u044f \u0432 \u0431\u0438\u043d\u0430\u0440\u043d\u043e\u0439 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438.<\/p>\n<\/li>\n<li>\n<p><code>loss = 'binary_crossentropy'<\/code>: \u0422\u043e \u043a\u0430\u043a \u0432\u044b\u0447\u0438\u0441\u043b\u044f\u0435\u0442\u0441\u044f \u043e\u0448\u0438\u0431\u043a\u0430 \u043f\u0440\u0438 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438 \u0441\u0435\u0442\u0438. \u0424\u043e\u0440\u043c\u0443\u043b\u0430 \u0435\u0441\u0442\u044c \u0441 \u043b\u043e\u0433\u0430\u0440\u0438\u0444\u043c\u0430\u043c\u0438. \u0424\u0443\u043d\u043a\u0446\u0438\u044f Sigmoid \u0434\u0430\u0435\u0442 \u0447\u0438\u0441\u043b\u043e \u043c\u0435\u0436\u0434\u0443 0 \u0438 1, \u043a\u043e\u0442\u043e\u0440\u043e\u0435 \u0438\u043d\u0442\u0435\u0440\u043f\u0440\u0435\u0442\u0438\u0440\u0443\u0435\u0442\u0441\u044f, \u043a\u0430\u043a \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u044c \u043f\u0440\u0438\u043d\u0430\u0434\u043b\u0435\u0436\u043d\u043e\u0441\u0442\u0438 \u043b\u0438\u0431\u043e \u043a 0 \u043b\u0438\u0431\u043e \u043a 1. \u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u043e\u0448\u0438\u0431\u043a\u0430 \u0441\u0447\u0438\u0442\u0430\u0435\u0442\u0441\u044f \u0434\u043b\u044f \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u0438, \u0430 \u043d\u0435 \u043f\u0440\u043e\u0441\u0442\u043e \u201c\u043e\u0434\u043d\u043e \u043c\u0438\u043d\u0443\u0441 \u0434\u0440\u0443\u0433\u043e\u0435\u201d. \u0421 \u044d\u0442\u0438\u043c \u0442\u0430\u043a\u0436\u0435 \u0441\u0432\u044f\u0437\u0430\u043d\u043e \u0442\u043e, \u0447\u0442\u043e \u0444\u0438\u0433\u0443\u0440\u0438\u0440\u0443\u0435\u0442 \u043f\u043e\u043d\u044f\u0442\u0438\u0435 \u044d\u043d\u0442\u0440\u043e\u043f\u0438\u0438. \u0421\u0442\u0430\u043d\u0434\u0430\u0440\u0442 \u0434\u043b\u044f \u0437\u0430\u0434\u0430\u0447 \u0431\u0438\u043d\u0430\u0440\u043d\u043e\u0439 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438.<\/p>\n<\/li>\n<li>\n<p><code>metrics = ['accuracy']<\/code>: \u041f\u0440\u043e\u0441\u0442\u0430\u044f \u0432 \u0432\u0438\u0437\u0443\u0430\u043b\u044c\u043d\u043e\u043c \u043f\u043e\u043d\u0438\u043c\u0430\u043d\u0438\u0438 \u043c\u0435\u0442\u0440\u0438\u043a\u0430 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u043c\u043e\u0434\u0435\u043b\u0438 \u043e\u0431\u0443\u0447\u0435\u043d\u043d\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438 \u043d\u0430 \u043a\u0430\u0436\u0434\u043e\u0439 \u044d\u043f\u043e\u0445\u0435. \u041e\u0441\u043e\u0431\u0435\u043d\u043d\u043e, \u043a\u043e\u0433\u0434\u0430 \u043e\u0431\u0430 \u043a\u043b\u0430\u0441\u0441\u0430 \u043e\u0434\u0438\u043d\u0430\u043a\u043e\u0432\u043e \u0432\u0430\u0436\u043d\u044b (\u0442\u043e \u0435\u0441\u0442\u044c \u0443 \u043d\u0430\u0441 \u043d\u0435\u0442 \u043e\u043f\u0430\u0441\u0435\u043d\u0438\u0439 \u043d\u0430\u0441\u0447\u0435\u0442 \u043d\u0435\u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e\u0433\u043e \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u044f \u043a\u0430\u043a\u043e\u0433\u043e-\u0442\u043e \u043e\u0434\u043d\u043e\u0433\u043e \u043a\u043b\u0430\u0441\u0441\u0430, \u043a\u0430\u043a \u0432 \u0437\u0430\u0434\u0430\u0447\u0430\u0445 \u0434\u0438\u0430\u0433\u043d\u043e\u0441\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f \u0437\u0430\u0431\u043e\u043b\u0435\u0432\u0430\u043d\u0438\u0439 \u0438\u043b\u0438 \u043a\u0440\u0435\u0434\u0438\u0442\u043d\u043e\u0433\u043e \u0440\u0435\u0439\u0442\u0438\u043d\u0433\u0430).<\/p>\n<\/li>\n<\/ul>\n<h3>Accuracy vs Loss<\/h3>\n<p>\u041f\u0440\u0438 \u0437\u0430\u043f\u0443\u0441\u043a\u0435 \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043a\u0438 \u043c\u043e\u0434\u0435\u043b\u0438 (<code>fit()<\/code>), \u043e\u0441\u043d\u043e\u0432\u0430\u043d\u043d\u043e\u0439 \u043d\u0430 \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u043e\u0439 \u0441\u0435\u0442\u0438, \u0412\u044b \u0443\u0432\u0438\u0434\u0438\u0442\u0435, \u0447\u0442\u043e \u043d\u0430 \u043a\u0430\u0436\u0434\u043e\u0439 \u044d\u043f\u043e\u0445\u0435 \u043f\u0435\u0447\u0430\u0442\u0430\u0435\u0442\u0441\u044f Loss \u0438 Accuracy.<\/p>\n<figure class=\"full-width\">\n<div><figcaption>\u0412\u044b\u0432\u043e\u0434 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 <code>fit()<\/code> c \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u043c <code>verbose = 1<\/code> (\u043f\u043e-\u0443\u043c\u043e\u043b\u0447\u0430\u043d\u0438\u044e). \u0421 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u043c <code>verbose = 0<\/code> \u0432\u044b\u0432\u043e\u0434\u0438\u0442\u0441\u044f \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u044f\u044f \u044d\u043f\u043e\u0445\u0430. <\/figcaption><\/div>\n<\/figure>\n<p><code>loss<\/code> &#8212; \u044d\u0442\u043e \u0442\u043e, &#171;\u043d\u0430\u0441\u043a\u043e\u043b\u044c\u043a\u043e&#187; \u043e\u0442\u043b\u0438\u0447\u0430\u0435\u0442\u0441\u044f \u0432\u044b\u0434\u0430\u0432\u0430\u0435\u043c\u044b\u0439 \u0434\u043b\u044f \u0434\u0430\u043d\u043d\u043e\u0433\u043e \u0432\u0445\u043e\u0434\u0430 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u043e\u0442 \u043a\u043e\u043d\u043a\u0440\u0435\u0442\u043d\u043e\u0439 \u043c\u0435\u0442\u043a\u0438, \u0430 <code>accuracy<\/code> &#8212; \u044d\u0442\u043e \u043f\u0440\u043e\u0446\u0435\u043d\u0442 \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b\u0445 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u0439 \u0438\u0437 \u043e\u0431\u0449\u0435\u0433\u043e \u0447\u0438\u0441\u043b\u0430. \u041f\u0440\u0438\u0441\u0442\u0430\u0432\u043a\u0430 <code>val<\/code> &#8212; \u043e\u0442 \u0441\u043b\u043e\u0432\u0430 validation (data) &#8212; \u043e\u0446\u0435\u043d\u043a\u0430 \u043f\u043e \u0432\u0430\u043b\u0438\u0434\u0430\u0446\u0438\u043e\u043d\u043d\u044b\u043c \u0434\u0430\u043d\u043d\u044b\u043c. \u0418\u0445 \u0434\u043e\u043b\u044f \u043e\u0442 \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043e\u0447\u043d\u044b\u0445 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0435\u0442\u0441\u044f \u043f\u0440\u0438 \u0437\u0430\u043f\u0443\u0441\u043a\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u043c <code>validation_split<\/code>: <\/p>\n<pre><code class=\"python\">history = model.fit(X_train, y_train, epochs=100, batch_size=32, validation_split=0.2)<\/code><\/pre>\n<h2>\u0420\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b \u0440\u0430\u0431\u043e\u0442\u044b DL \u043c\u043e\u0434\u0435\u043b\u0438<\/h2>\n<p>\u0413\u0440\u0430\u0444\u0438\u043a \u0442\u0435\u0441\u0442\u043e\u0432\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u0441 \u0442\u043e\u0447\u043d\u044b\u043c\u0438 \u043c\u0435\u0442\u043a\u0430\u043c\u0438 (\u0441\u043f\u043b\u043e\u0448\u043d\u044b\u0435 \u043a\u0440\u0443\u0436\u043a\u0438) \u0438 \u043d\u0430\u043b\u043e\u0436\u0435\u043d\u043d\u044b\u0445 \u043c\u0435\u0442\u043e\u043a \u043f\u043e \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u0430\u043c \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u044f (\u043e\u043a\u0440\u0443\u0436\u043d\u043e\u0441\u0442\u0438). \u041c\u043e\u0434\u0435\u043b\u044c \u043e\u0448\u0438\u0431\u043b\u0430\u0441\u044c \u0442\u0430\u043c, \u0433\u0434\u0435 \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u0439 \u043a\u0440\u0443\u0436\u043e\u043a \u043e\u0431\u0432\u0435\u0434\u0435\u043d \u0441\u0438\u043d\u0438\u043c \u0438\u043b\u0438 \u043d\u0430\u043e\u0431\u043e\u0440\u043e\u0442.<\/p>\n<figure class=\"full-width\">\n<div><figcaption>\u0420\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u0439 \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0435\u0432\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438 \u043d\u0430 \u0442\u0435\u0441\u0442\u043e\u0432\u043e\u043c \u0441\u0435\u0433\u043c\u0435\u043d\u0442\u0435 \u0434\u0430\u043d\u043d\u044b\u0445.\u0415\u0441\u043b\u0438 \u0446\u0432\u0435\u0442\u0430 \u043a\u0440\u0443\u0436\u043e\u0447\u043a\u0430 \u0438 \u043e\u043a\u0440\u0443\u0436\u043d\u043e\u0441\u0442\u0438 \u043d\u0435 \u0441\u043e\u0432\u043f\u0430\u0434\u0430\u044e\u0442, \u044d\u0442\u043e \u043e\u0448\u0438\u0431\u043e\u0447\u043d\u043e\u0435 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u0435.<\/figcaption><\/div>\n<\/figure>\n<h2>\u0420\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b \u0440\u0430\u0431\u043e\u0442\u044b DL \u0438 ML \u043c\u043e\u0434\u0435\u043b\u0435\u0439<\/h2>\n<p>\u0414\u043b\u044f \u0432\u0438\u0437\u0443\u0430\u043b\u044c\u043d\u043e\u0439 \u043e\u0446\u0435\u043d\u043a\u0438 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u044f, \u043c\u044b \u043c\u043e\u0436\u0435\u043c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c Decision Boundary, \u043f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u043d\u0443\u044e \u043f\u043e \u0440\u0430\u0432\u043d\u043e\u043c\u0435\u0440\u043d\u043e\u0439 \u0441\u0435\u0442\u043a\u0435 \u0432 \u043e\u0431\u043b\u0430\u0441\u0442\u0438 \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445. \u0412 \u0446\u0435\u043d\u0442\u0440\u0435 &#8212; \u0441\u0435\u0440\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c \u0432 \u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u0442\u0435\u0441\u0442\u043e\u0432\u044b\u0435 \u0442\u043e\u0447\u043a\u0438 \u043e\u0442\u043c\u0435\u0447\u0430\u044e\u0442\u0441\u044f \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u043c\u0438. \u041c\u044b \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u0438\u043c \u0442\u0440\u0438 \u0432\u0430\u0440\u0438\u0430\u043d\u0442\u0430, \u043f\u0440\u0438\u0432\u0435\u0434\u0435\u043c \u0442\u043e\u0447\u043d\u043e\u0441\u0442\u044c \u043a\u0430\u0440\u0442\u0438\u043d\u043a\u0443 Decision Boundary \u0438 \u0432\u0440\u0435\u043c\u044f \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u043c\u043e\u0434\u0435\u043b\u0438. \u041c\u043e\u0436\u043d\u043e \u0437\u0430\u043c\u0435\u0442\u0438\u0442\u044c, \u0447\u0442\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u043e\u0442\u043b\u0438\u0447\u0430\u0435\u0442\u0441\u044f \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u043f\u043e \u0432\u0440\u0435\u043c\u0435\u043d\u0438.<\/p>\n<p>\u0421\u0443\u0449\u0435\u0441\u0442\u0432\u0443\u0435\u0442 \u0432\u0441\u0442\u0440\u043e\u0435\u043d\u043d\u0430\u044f \u0444\u0443\u043d\u043a\u0446\u0438\u044f scikit-learn, \u0432\u0435\u0440\u043d\u0435\u0435, <a href=\"https:\/\/scikit-learn.org\/1.5\/modules\/generated\/sklearn.inspection.DecisionBoundaryDisplay.html\" rel=\"noopener noreferrer nofollow\">\u043a\u043b\u0430\u0441\u0441 \u0434\u043b\u044f \u0440\u0430\u0431\u043e\u0442\u044b \u0441 Decision Boundary<\/a>. \u0423 \u043d\u0430\u0441, \u0432 \u0441\u043a\u0440\u0438\u043f\u0442\u0435 \u0442\u0440\u0435\u0431\u0443\u0435\u0442\u0441\u044f \u0440\u0430\u0431\u043e\u0442\u0430 \u0438 \u0441 DL \u043c\u043e\u0434\u0435\u043b\u044c\u044e (Keras) \u0438 \u0441 ML, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u043e\u0441\u0442\u0430\u043b\u0430\u0441\u044c \u043a\u0430\u0441\u0442\u043e\u043c\u043d\u0430\u044f. \u0412 \u043a\u0430\u0441\u0442\u043e\u043c\u043d\u043e\u0439 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u043f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u044f <code>plot_decision_boundary(X, y, model, resolution=100<\/code>) \u0435\u0441\u0442\u044c \u0434\u0432\u0430 \u0432\u0430\u0440\u0438\u0430\u043d\u0442\u0430 \u043f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u044f <code>plt.scatter()<\/code>, \u0447\u0442\u043e\u0431\u044b \u043d\u0435 \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u0430\u0441\u044c \u043a\u0430\u0448\u0430 \u0438\u0437 \u0442\u043e\u0447\u0435\u043a. \u041f\u0440\u0438 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u0435 \u0442\u043e\u0447\u0435\u043a \u0431\u043e\u043b\u0435\u0435 5000, \u0440\u0435\u043a\u043e\u043c\u0435\u043d\u0434\u0443\u0435\u0442\u0441\u044f \u0432\u044b\u0432\u043e\u0434\u0438\u0442\u044c \u043d\u0430 Decision Boundary \u043a\u0430\u0436\u0434\u0443\u044e 20-\u044e \u0442\u043e\u0447\u043a\u0443 (\u0438\u0437 \u0438\u0441\u0445\u043e\u0434\u043d\u043e\u0433\u043e \u043d\u0430\u0431\u043e\u0440\u0430), \u0434\u043b\u044f \u0447\u0435\u0433\u043e \u043f\u0435\u0440\u0435\u043c\u0435\u0441\u0442\u0438\u0442\u044c \u043a\u043e\u043c\u043c\u0435\u043d\u0442\u0430\u0440\u0438\u0438 \u0432 \u044d\u0442\u043e\u043c \u043a\u043e\u0434\u0435:<\/p>\n<pre><code class=\"python\">plt.scatter(X[y == 0][:, 0], X[y == 0][:, 1], color='orange', label='Orange (True 0)') #plt.scatter(X[y == 0][::20, 0], X[y == 0][::20, 1], color='orange', label='Orange (True 0)') plt.scatter(X[y == 1][:, 0], X[y == 1][:, 1], color='blue', label='Blue (True 1)') #plt.scatter(X[y == 1][::20, 0], X[y == 1][::20, 1], color='blue', label='Blue (True 1)')<\/code><\/pre>\n<h2>\u0412\u044b\u0432\u043e\u0434\u044b<\/h2>\n<ol>\n<li>\n<p>\u041f\u0440\u0438 \u043d\u0435\u0431\u043e\u043b\u044c\u0448\u043e\u043c \u0440\u0430\u0437\u043c\u0435\u0440\u0435 \u0434\u0430\u043d\u043d\u044b\u0445, \u0441\u0445\u043e\u0436\u0438\u0445 \u0432\u0438\u0437\u0443\u0430\u043b\u044c\u043d\u044b\u0445 \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u0430\u0445 \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e\u0439 \u0440\u0430\u0431\u043e\u0442\u044b \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0442\u043e\u0440\u0430 \u0438 \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e \u043e\u0434\u0438\u043d\u0430\u043a\u043e\u0432\u044b\u0445 \u043c\u0435\u0442\u0440\u0438\u043a\u0430\u0445, \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u0435 ML \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u044b \u043f\u043e \u0432\u0440\u0435\u043c\u0435\u043d\u0438 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u0432\u044b\u0438\u0433\u0440\u044b\u0432\u0430\u044e\u0442 \u0443 DL \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u0430.  <\/p>\n<\/li>\n<li>\n<p>DL \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u0440\u0438 \u0443\u0432\u0435\u043b\u0438\u0447\u0435\u043d\u0438\u0438 \u0440\u0430\u0437\u043c\u0435\u0440\u0430 \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u0441 1000 \u0434\u043e 100000 \u0442\u0430\u043a \u0438 \u043d\u0435 \u0441\u0442\u0430\u043b\u0430 \u043a\u0440\u0430\u0442\u043d\u043e \u0443\u0432\u0435\u043b\u0438\u0447\u0438\u0432\u0430\u0442\u044c \u0432\u0440\u0435\u043c\u044f \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043a\u0438. \u0412\u0440\u0435\u043c\u044f \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043a\u0438 \u043d\u0435 \u0440\u043e\u0441\u043b\u043e \u043f\u0440\u043e\u043f\u043e\u0440\u0446\u0438\u043e\u043d\u0430\u043b\u044c\u043d\u043e \u0447\u0438\u0441\u043b\u0443 \u043f\u0440\u0438\u043c\u0435\u0440\u043e\u0432 (\u0438\u0441\u0445\u043e\u0434\u043d\u044b\u0445 \u0442\u043e\u0447\u0435\u043a). \u0412 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0435\u043c \u043a\u0435\u0439\u0441\u0435 \u0443\u0432\u0435\u043b\u0438\u0447\u0435\u043d\u0438\u0435 \u0434\u0430\u043d\u043d\u044b\u0445 \u0432 100 \u0440\u0430\u0437 \u0434\u0430\u043b\u043e \u0443\u0432\u0435\u043b\u0438\u0447\u0435\u043d\u0438\u0435 \u0432\u0440\u0435\u043c\u0435\u043d\u0438 \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043a\u0438 \u0432 45 \u0440\u0430\u0437. \u0412 \u0442\u043e \u0436\u0435 \u0441\u0430\u043c\u043e\u0435 \u0432\u0440\u0435\u043c\u044f, \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u043e\u0431\u0435 \u0443\u0436\u0435 \u0443\u0432\u0435\u043b\u0438\u0447\u0438\u0432\u0430\u043b\u0438 \u0432\u0440\u0435\u043c\u044f \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043a\u0438 \u0432 \u0431\u043e\u043b\u044c\u0448\u0435\u0435 \u0447\u0438\u0441\u043b\u043e \u0440\u0430\u0437, \u0447\u0435\u043c \u0440\u043e\u0441\u043b\u043e \u0447\u0438\u0441\u043b\u043e \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445.<\/p>\n<\/li>\n<li>\n<p>\u0412 \u043d\u0430\u0447\u0430\u043b\u0435, \u0441 \u043d\u0435\u0431\u043e\u043b\u044c\u0448\u0438\u043c \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e\u043c \u0434\u0430\u043d\u043d\u044b\u0445 (1000 \u0442\u043e\u0447\u0435\u043a), \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u043e\u0447\u0435\u043d\u044c \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u0432\u044b\u0438\u0433\u0440\u044b\u0432\u0430\u043b\u0438 \u0443 \u043c\u043e\u0434\u0435\u043b\u0438 DL, \u043d\u043e \u0441 \u0440\u043e\u0441\u0442\u043e\u043c \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u0430 \u0442\u043e\u0447\u0435\u043a, \u044d\u0442\u043e\u0442 \u0432\u044b\u0438\u0433\u0440\u044b\u0448 \u043c\u043e\u0436\u0435\u0442 \u043f\u0440\u043e\u043f\u0430\u0441\u0442\u044c. \u0425\u043e\u0442\u044f \u0434\u043e 100000 \u0442\u043e\u0447\u0435\u043a \u0432\u044b\u0438\u0433\u0440\u044b\u0448 \u0442\u0430\u043a \u0438 \u043d\u0435 \u043f\u0440\u043e\u043f\u0430\u043b. DL \u043c\u043e\u0434\u0435\u043b\u044c \u0432\u0441\u0435 \u0435\u0449\u0435 \u0431\u044b\u043b\u0430 \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u043c\u0435\u0434\u043b\u0435\u043d\u043d\u0435\u0435 \u0432 \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043a\u0435.<\/p>\n<\/li>\n<li>\n<p>\u041f\u0440\u0438 \u0443\u0432\u0435\u043b\u0438\u0447\u0435\u043d\u0438\u0438 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u0430 \u0441\u0435\u043c\u043f\u043b\u043e\u0432 (\u0442\u043e\u0447\u0435\u043a), \u0442\u043e\u0447\u043d\u043e\u0441\u0442\u044c DL \u0441\u0445\u043e\u0434\u0438\u0442\u0441\u044f \u043a \u043f\u0440\u0438\u0435\u043c\u043b\u0435\u043c\u044b\u043c \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f\u043c \u0431\u044b\u0441\u0442\u0440\u0435\u0435 \u044d\u0442\u043e \u0432\u0438\u0434\u043d\u043e \u043f\u043e \u0433\u0440\u0430\u0444\u0438\u043a\u0430\u043c \u0441\u0445\u043e\u0434\u0438\u043c\u043e\u0441\u0442\u0438, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0441\u0442\u0440\u043e\u044f\u0442\u0441\u044f \u0432 \u043a\u043e\u0434\u0435 \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043a\u0438 DL-\u043c\u043e\u0434\u0435\u043b\u0438 Loss(Epoch).<\/p>\n<\/li>\n<\/ol>\n<p>\u0421\u043b\u0435\u0434\u0443\u0435\u0442 \u043e\u0442\u043c\u0435\u0442\u0438\u0442\u044c \u0435\u0449\u0435 \u043e\u0434\u0438\u043d \u043c\u043e\u043c\u0435\u043d\u0442 (\u0441\u043b\u0435\u0434\u0441\u0442\u0432\u0438\u0435 \u0438\u0437 4-\u0433\u043e \u0432\u044b\u0432\u043e\u0434\u0430). DL \u043c\u043e\u0434\u0435\u043b\u044c \u0443\u0447\u0438\u043b\u0430\u0441\u044c \u0432\u0441\u0435 \u0432\u0440\u0435\u043c\u044f \u0434\u043e 100 \u044d\u043f\u043e\u0445. \u042d\u0442\u043e \u0432\u043e \u043c\u043d\u043e\u0433\u0438\u0445 \u0441\u0438\u0442\u0443\u0430\u0446\u0438\u044f\u0445 \u043d\u0435 \u043d\u0443\u0436\u043d\u043e, \u0433\u0440\u0430\u0444\u0438\u043a \u0442\u043e\u0447\u043d\u043e\u0441\u0442\u0438 Loss(Epoch) \u0441\u0442\u0430\u043b \u0433\u043e\u0440\u0438\u0437\u043e\u043d\u0442\u0430\u043b\u044c\u043d\u044b\u043c \u0433\u043e\u0440\u0430\u0437\u0434\u043e \u0440\u0430\u043d\u044c\u0448\u0435 \u0432 \u043f\u0440\u0438\u043c\u0435\u0440\u0435 \u043d\u0430 100 000 \u0442\u043e\u0447\u0435\u043a. \u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u044c \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f DL-\u043c\u043e\u0434\u0435\u043b\u0438 \u043d\u0430 \u0431\u043e\u043b\u044c\u0448\u043e\u043c \u043e\u0431\u044a\u0435\u043c\u0435 \u0434\u0430\u043d\u043d\u044b\u0445 \u043c\u043e\u0436\u0435\u0442 \u043e\u043a\u0430\u0437\u0430\u0442\u044c\u0441\u044f \u0435\u0449\u0435 \u0431\u043e\u043b\u0435\u0435 \u0432\u044b\u0433\u043e\u0434\u043d\u043e\u0439 \u0438 \u0431\u043b\u0438\u0437\u043a\u043e\u0439 \u043a \u043c\u043e\u0434\u0435\u043b\u0438 SVC.<\/p>\n<figure class=\"full-width\"><\/figure>\n<h2>\u0420\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b \u0434\u043b\u044f \u0441\u043f\u0440\u0430\u0432\u043a\u0438<\/h2>\n<h3>1000 \u0442\u043e\u0447\u0435\u043a<\/h3>\n<figure class=\"full-width\">\n<div><figcaption><strong>1000 \u0433\u043e\u043b\u0443\u0431\u044b\u0445, 1000 \u043e\u0440\u0430\u043d\u0436\u0435\u0432\u044b\u0445 \u0442\u043e\u0447\u0435\u043a.<\/strong> \u0421\u043b\u0435\u0432\u0430-\u043d\u0430\u043f\u0440\u0430\u0432\u043e DL (8<\/figcaption><\/div>\n<\/figure>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-443921","post","type-post","status-publish","format-standard","hentry"],"_links":{"self":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/443921","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=443921"}],"version-history":[{"count":0,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/443921\/revisions"}],"wp:attachment":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=443921"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=443921"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=443921"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}