私は分類作業のためのパーセプトロンアルゴリズムを取得しようとしていますが、何かが欠けていると思います。これは、ロジスティック回帰で達成決定境界である:Rの手動パーセプトロンの例 - 結果は受け入れられますか?
赤いドットがテスト1と2
This is the dataに、より良い実行した後、大学に入って、これはロジスティック回帰のためのコードですRで次のよう
dat = read.csv("perceptron.txt", header=F)
colnames(dat) = c("test1","test2","y")
plot(test2 ~ test1, col = as.factor(y), pch = 20, data=dat)
fit = glm(y ~ test1 + test2, family = "binomial", data = dat)
coefs = coef(fit)
(x = c(min(dat[,1])-2, max(dat[,1])+2))
(y = c((-1/coefs[3]) * (coefs[2] * x + coefs[1])))
lines(x, y)
パーセプトロンの「手動」実装するためのコードは次のとおり
これにより# DATA PRE-PROCESSING:
dat = read.csv("perceptron.txt", header=F)
dat[,1:2] = apply(dat[,1:2], MARGIN = 2, FUN = function(x) scale(x)) # scaling the data
data = data.frame(rep(1,nrow(dat)), dat) # introducing the "bias" column
colnames(data) = c("bias","test1","test2","y")
data$y[data$y==0] = -1 # Turning 0/1 dependent variable into -1/1.
data = as.matrix(data) # Turning data.frame into matrix to avoid mmult problems.
# PERCEPTRON:
set.seed(62416)
no.iter = 1000 # Number of loops
theta = rnorm(ncol(data) - 1) # Starting a random vector of coefficients.
theta = theta/sqrt(sum(theta^2)) # Normalizing the vector.
h = theta %*% t(data[,1:3]) # Performing the first f(theta^T X)
for (i in 1:no.iter){ # We will recalculate 1,000 times
for (j in 1:nrow(data)){ # Each time we go through each example.
if(h[j] * data[j, 4] < 0){ # If the hypothesis disagrees with the sign of y,
theta = theta + (sign(data[j,4]) * data[j, 1:3]) # We + or - the example from theta.
}
else
theta = theta # Else we let it be.
}
h = theta %*% t(data[,1:3]) # Calculating h() after iteration.
}
theta # Final coefficients
mean(sign(h) == data[,4]) # Accuracy
、私は次の係数を得る:
bias test1 test2
9.131054 19.095881 20.736352
とglm()
ロジスティック回帰関数で計算されたものと一致88%
の精度、:89%
のmean(sign(predict(fit))==data[,4])
- 論理的に、直線の方法はありません上記のプロットから明らかなように、すべての点を分類する。実際には、唯一の10回反復し、精度をプロット、~90%
はちょうど1
繰り返しの後に到達さ:ロジスティック回帰の訓練分類性能を持つラインにいる
、コードではないと思われます概念的に間違っている。
質問:それはロジスティック回帰と大差係数を取得するにはOKです:
(Intercept) test1 test2
1.718449 4.012903 3.743903
私はそれをここに掲示するのかCVに掲げるのかについてのフェンスにいました。あなたの答えをありがとう。もし私のコードが正しいなら、私は疑問に思います。 2.パーセプトロンからの係数を使用して決定境界線を生成できるかどうか(どのように知っていますか?) 3.私の「手動」アプローチにおける1列(偏り)の列が、傍受と等価でないかどうか(私はここでの答えは「theshold」値であると仮定します)。 – Toni
@トーニ私はあなたのパーセプトロンプロセスの論理をチェックしていません。なぜあなたは手動でそれをやっているのですか?パッケージを使用している場合は、それが正しいことを確認することができ、決定境界線プロットを生成するのに役立ちます。 –
私は、いくつかのおもちゃのデータで愚かな、初歩的な例をコーディングの演習を通過するとき、私ははるかに良い手順を理解するようになる気がします。あなたは新しい係数から決定境界をプロットする方法を知っていますか? – Toni