Multilayer perceptron

Wisconsin Breast Cancer (Diagnostic), UCI: 569 tumores descritos por mediciones de núcleos celulares, etiquetados como benignos o malignos.

Solo

1. Una API estilo Keras: un modelo CustomSequential que apila capas Dense.
2. Pase hacia delante y retropropagación, con pérdidas de entropía cruzada binaria, entropía cruzada categórica y MSE.
3. Optimizadores SGD y Adam, y early stopping según la pérdida de validación.
4. Un notebook de Colab que entrena y evalúa el modelo de extremo a extremo.

Reflejar la API de Keras

Seguí la estructura de la documentación oficial de Keras, con capas, funciones de pérdida y optimizadores como clases separadas tras un único objeto de modelo. Mantuvo el código modular en lugar de un montón creciente de funciones.

96.5–97.4 % de precisión de validación en tres ejecuciones 80/20 (semilla 42); la ejecución principal con early stopping según la pérdida de validación alcanzó el 96.5 %.

• La partición de validación también controla el early stopping, y no hay un conjunto de test separado, así que estas puntuaciones son optimistas.
• Los registros muestran sobreajuste: la precisión de entrenamiento llega a 1.0 y la pérdida de entrenamiento cae a ~0 mientras la pérdida de validación sube a 0.66–0.73 hacia la época 50.
• Una sola partición de 569 muestras: una semilla distinta podría mover la puntuación unos puntos. La validación cruzada daría un rango.