問題タブ [perceptron]

こんにちは、パーセプトロン アルゴリズムから重みを計算するプログラムを作成しようとしています。私は今それをすべて機能させていますが、非常に基本的なことで、それはステップ関数であり、単層です。マルチレイヤーに移る前に、それを最適化してシグモイドにしようとしています。

これらが私の質問です。シグモイドの一般的な考えはありますが、線を最適にする方法に関する情報が見つからないため、データポイントから等距離です。誰でも何か考えがありますか？

これは、「y」変数を見つけるための現在のコードです。ここで出力と呼び、単純なステップ関数、しきい値 = 0 を使用して見つけています。これをシグモイドに変換するにはどうすればよいですか?

フィードフォワードネットワークを使用して、Matlab でいくつかの分類テストを実行しました。標準tansig関数を使用すると、隠れ層でより多くのニューロンを使用すると結果が向上しました。しかし、切り替えてpure linみると、隠れ層のニューロン数を少なく設定した方が結果が良くなったことに驚きました。これらの状況についての議論を手伝ってもらえますか?

my_classifier.y_binary の値にアクセスしたいです。私の目標は、my_classifier.error を計算することです。

eval を使用して my_classifier.y_hat の値を取得する方法は知っていますが、入力が自己パラメーターの場合に使用する方法がわかりません。

ありがとう

次のコードがあります。ディレクトリから多くのファイルをハッシュマップに読み込みます。これは私の機能 vecteurです。ステミングを行わないという意味ではややナイーブですが、それは今のところ私の主な関心事ではありません。このデータ構造をパーセプトロン アルゴリズムへの入力として使用する方法を知りたいです。これを言葉の袋と呼んでいると思いますね。

パスが 'atheism' と呼ばれるディレクトリに移動していることがわかります。そこにはスポーツと呼ばれるディレクトリもあります。これら 2 つのクラスのドキュメントを直線的に分離してから、目に見えないテスト ドキュメントをいずれかのカテゴリに分離しようとします。

どうやってするか？それをいかに概念化するか。確かなリファレンス、包括的な説明、またはある種の疑似コードをいただければ幸いです。

ウェブ上で有益で明快な参考文献はあまり見つかりませんでした。

私はパーセプトロン アルゴリズムを Java で実装しようとしています。完全なニューラル ネット タイプではなく、1 層のみの種類です。私が解決しようとしているのは分類問題です。

私がしなければならないことは、政治、科学、スポーツ、無神論の 4 つのカテゴリのいずれかで、各ドキュメントの bag-of-words 特徴ベクトルを作成することです。これがデータです。

私はこれを達成しようとしています（この質問への最初の回答からの直接引用）：

例：

辞書は次のとおりです。

したがって、ベクトルとしてのドキュメントは次のようになります。

これにより、あらゆる種類の高度な数学を実行して、これをパーセプトロンに入力できます。

グローバル ディクショナリを生成できたので、ドキュメントごとに 1 つ作成する必要があります。フォルダ構造は非常に単純です。つまり、`/politics/' には多くの記事が含まれており、各記事に対してグローバル ディクショナリに対して特徴ベクトルを作成する必要があります。私が使用しているイテレータが私を混乱させていると思います。

これはメインクラスです:

これは、データ構造を反復処理します。

これはそのグローバル ディクショナリを埋めます。

これは、ドキュメント固有の辞書を埋めるための最初の試みです。