私の AI クラスの課題の 1 つで、Widrow Hoff デルタ ルールのパーセプトロン学習実装を作成することを任されました。この実装を Java でコーディングしました。
次の github リンクにはプロジェクトが含まれています: https://github.com/dmcquillan314/CS440-Homework/tree/master/CS440-HW2-1
私が抱えている問題は、パーセプトロンの作成に関するものではありません。それはうまくいっています。
パーセプトロンをトレーニングした後のプロジェクトでは、分類されていないデータセットをパーセプトロンに適用して、各入力ベクトルの分類を学習しました。これもうまくいきました。
私の問題は、入力のどの機能が最も重要かを知ることに関係しています。
たとえば、各入力ベクトル内の特徴セットが色、車のモデル、および車種であり、どの特徴が最も重要であるかを分類したいとします。どうすればそうすることができますか。
これについての私の最初の理解は、相関係数を計算すると、各入力のその特徴の値と生成される分類ベクトルであると信じるようになりました。しかし、これは誤った仮定であることが判明しました。
最も重要な機能を学習できる他の方法はありますか?
編集
サンプルの重みベクトル:
( -752, 4771, 17714, 762, 6, 676, 3060, -2004, 5459, 9591.299, 3832, 14963, 20912 )
サンプル入力ベクトル:
(55, 1, 2, 130, 262, 0, 0, 155, 0, 0, 1, 0, 3, 0)
(59, 1, 3, 126, 218, 1, 0, 134, 0, 2.2, 2, 1, 6, 1)
(45, 1, 2, 128, 308, 0, 2, 170, 0, 0, 1, 0, 3, 0)
(59, 1, 4, 110, 239, 0, 2, 142, 1, 1.2, 2, 1, 7, 1)
最後の要素は分類です。
答えを見つけたらここに投稿します。これまでのところ、講師の回答は不正確だと思います。