sonar_binary_classification：使用深度神经网络将物体分类为岩石或矿山（金属）

声纳二进制分类 使用的图书馆： pandas，numpy，sklearn，tensorflow / keras，matplotlib 多层感知器（MLP）人工神经网络用于区分从金属圆柱体弹回的声纳信号和从大致圆柱体岩石弹回的声纳信号。 最终模型在测试集上的准确度为87.5％。 项目概况 目标： 练习使用tensorflow和keras进行深度学习。 练习分类问题。 数据集信息： 文件“ sonar.mines”包含111种模式，这些模式是通过以各种角度和各种条件从金属圆柱体上弹跳声纳信号而获得的。 文件“ sonar.rocks”包含从相似条件下的岩石中获得的97个图案。 发射的声纳信号是调频的线性调频脉冲。 数据集包含从各种不同的长宽比角度获得的信号，圆柱的跨度为90度，岩石的跨度为180度。 每个模式都是一组60个数字，范围在0.0到1.0之间。 每个数字表示在特定时间段内