Реализовать обучение нейронной сети прямого распространения с помощью метода обратного распространения ошибки.
Порог сдачи лабораторной работы: 25% точность классификации на тестовой выборке. Для расчета точности на тестовой выборке необходимо отправить мне по электронной почте текстовый файл (большая просьба высылать файл в архиве), в каждой строке которого будет предсказанная метка (от 0 до 9) для соответствующего объекта из тестового множества.
Реализовать двоичный классификатор с использованием библиотеки sklearn. Целевая переменная находится в последнем столбце. Для работы с выборкой рекомендуется воспользоваться библиотекой pandas.
Можно пользоваться любыми алгоритмами из библиотеки sklearn. Выборка содержит пропуски, для заполнения можно воспользоваться стандартным классом Imputer, для подбора параметров - поиском с помощью GridSearchCV.
Порог сдачи работы: 65% точноcть классификации на тестовой выборке. Формат сдачи: совпадает с первой работой.
Пример работы с библиотекой можно посмотреть в видео лекциях.