問題タブ [supervised-learning]

機械学習におけるパーセプトロンのアルゴリズムについて研究しています。これまでパーセプトロンについて以下のことを理解していました。

しかし、パーセプトロンが収束しないと重みベクトルがどうなるか理解できませんでした。
アルゴリズムは重みベクトルを更新し続けますか?

機械学習 (特に、決定木などの教師あり学習) を使用する予定の課題があります。最終的なコードは、scikit Learn やその他の外部ライブラリを持たないティーチング アシスタントの PC で実行されます。

そのため、決定木分類子のようなものをゼロから作成するか、外部ライブラリをローカルで使用して最終的なアルゴリズムを保存する必要があります。

要約すると、一連のラベル付けされたトレーニング データが与えられた場合、将来的に最終的なアルゴリズムを実行するために外部ライブラリに依存せずに、最終的なアルゴリズムを Python コードに格納するにはどうすればよいでしょうか?

たとえば、デシジョン ツリーは一連の if/then ステートメントに分解できます。これらの if/then ステートメントを生成して保存し、Python 以外に何もインストールされていないコンピューターで実行できるようにしたいと考えています。

これを達成するための最良の推奨事項は何ですか。これが間違ったフォーラムにある場合は、アドバイスしてください。

私が見つけたものは次のとおり
です。 1. 単純ベイズ分類器
2. K 最近傍分類器
3. 決定木アルゴリズム (C4.5、ランダム フォレスト)
4. カーネル判別分析
5. サポート ベクター マシン

他にあれば、誰かがこの下の残りのアルゴリズムで私を助けてくれますか? 学術目的のために、教師あり ML 分類アルゴリズムの完全なリストが必要です。ありがとうございました

ノード A とノード B の間の重みが、ノード A からノード B への遷移が行われた回数を示す、有向加重グラフ データ構造があります。

データ構造の目的は、ノード間の移動のパターンを識別することです。

このため、重みは遷移ごとに直線的に増加します (増加させるより良い方法があれば教えてください)

ただし、ユーザーが通常の移動経路から外れると、パターンの変化に応じて重みが迅速に調整されるように、最も可能性の高い経路にペナルティを割り当て、新たに選択した経路に強化を割り当てる必要があります。これにより、システムの自己学習がより迅速になります。

このペナルティ/強化を割り当てる最良の方法は何ですか? 重みを半分/2倍にすることをランダムに選択することもできますが、それには理由がなく、気まぐれに聞こえます.

そこで私は、教師あり ANN の背後にある数学に疑問を呈するためにここに来ました。エラー率に基づいて重みを調整します。エラー率を計算するために二乗平均平方根 (RMS) を使用しますが、これはトレーニング セットの平均エラーを計算することとあまり似ていません。

笑顔検出システムを設計しました。このシステムは深層学習に基づいており、MatConvnet によって実装されています。最後のレイヤーはシステムの出力で、人の笑顔の量に応じて 10 個の出力があります。これらの 10 個の出力を回帰層で 1 から 10 の範囲の数値出力に変換したいと考えています。MatConvNet でこれを行うにはどうすればよいですか。ありがとう