感知器(单层2D) - 样本在直线上的结果

时间:2014-05-29 23:59:28

标签: r machine-learning pattern-recognition perceptron

我试图实现一个简单的2D单层感知器,最终得到了这个解决方案:

perceptron <- function(featureVec, classVec, wStart=matrix(c(0,0,0)), eta=1, limit = 50) {

  plot(x=featureVec[,1],y=featureVec[,2])

  # Extending dimensions
  dimension <- dim(featureVec)[1]
  featureVec <- cbind(featureVec,rep(1,dimension))

  # Inverting 2. class
  index <- classVec == -1
  featureVec[index,] <- apply(matrix(featureVec[index]),1,prod,-1)

  wTemp <- wStart
  y <- featureVec %*% wTemp

  iteration = 0
  while (T) {
    y <- featureVec %*% wTemp
    delta <- as.matrix(featureVec[y <= 0,])

    for(i in 1:nrow(delta)) {
      wTemp <- wTemp + eta*delta[i,]
    }
    result <- featureVec %*% wTemp
    if (sum(result <= 0) == 0) {
      break
    }
    if (iteration >= limit) {
      stop("Maximum count of interations reached!")
    }
    iteration = iteration + 1
  }  
  if(wTemp[2] != 0) {
    abline(-wTemp[3]/wTemp[2],-wTemp[1]/wTemp[2])
  } else if(wTemp[2] == 0) {
    abline(v=wTemp[1])
  } else if(wTemp[1] == 0) {
    abline(h=wTemp[2])
  }

  return(wTemp)
}

特征向量按行方式工作,类向量需要1和-1的值。

对于我的大多数测试,它的工作正确,但是当我有类(0,0) (0,1)的样本(1,-1)时,我得不到任何结果。这种情况发生在我的一些例子中,两个点位于一条直线上(水平到坐标轴)。当我尝试选择不同的起始向量时,它有时可以正常工作(我现在没有确定性的行为,我猜)。这是正确的行为还是我的实施错了?

感谢你的帮助,Meiner。

编辑:初始职位的一些变化。

糟糕的数据集:

featureTest <- matrix(c(0,0,0,1),byrow=T,nrow=2)
classTest <- matrix(c(1,-1),nrow=2)
perceptron(featureTest,classTest)


featureTest <- matrix(c(0,1,0,2),byrow=T,nrow=2)
classTest <- matrix(c(1,-1),nrow=2)
perceptron(featureTest,classTest)

良好的数据集:

featureTest <- matrix(c(0,0,0,2),byrow=T,nrow=2)
classTest <- matrix(c(1,-1),nrow=2)
perceptron(featureTest,classTest)

0 个答案:

没有答案