8. fejezet - Osztályozási eljárások 4.

Neurális hálók és tartóvektor-gépek

Tartalom

Perceptron használata lineárisan szeparálható bináris osztályozási probléma megoldására
Előrecsatolt neurális háló használata osztályozási probléma megoldására
A rejtett neuronok számának hatása az előrecsatolt neurális háló teljesítményére
Lineáris SVM használata lineárisan szeparálható bináris osztályozási probléma megoldására
A C paraméter hatása a lineáris SVM teljesítményére (1)
A C paraméter hatása a lineáris SVM teljesítményére (2)
A C paraméter hatása a lineáris SVM teljesítményére (3)
A tanulóhalmaz méretének hatása a lineáris SVM teljesítményére
A két spirál probléma megoldása nemlineáris SVM-mel
A magfüggvény szélesség paraméter értékének hatása az RBF magfüggvényű SVM teljesítményére
Az RBF magfüggvényű SVM optimális paraméter értékeinek keresése
SVM használata többosztályos osztályozási probléma megoldására
SVM használata regressziós probléma megoldásához

Perceptron használata lineárisan szeparálható bináris osztályozási probléma megoldására

Leírás

Ebben a kísérletben egy perceptront tanítunk egy két osztályból álló lineárisan szeparálható kétdimenziós adatállományon, amely a Wine adatállomány egy részhalmaza. Meghatározzuk a perceptron osztályozási pontosságát az adatállományon.

Bemenet

8.1. ábra - A Wine adatállomány [UCI MLR] egy lineárisan szeparálható, a kísérletben felhasznált részhalmaza (az összesen 3 osztály közül 2, az összesen 13 attribútum közül pedig 2 került kiválasztásra)

A Wine adatállomány [UCI MLR] egy lineárisan szeparálható, a kísérletben felhasznált részhalmaza (az összesen 3 osztály közül 2, az összesen 13 attribútum közül pedig 2 került kiválasztásra)

Kimenet

8.2. ábra - A perceptron döntési határa

A perceptron döntési határa

8.3. ábra - A perceptron osztályozási pontossága az adatállományon

A perceptron osztályozási pontossága az adatállományon

Az eredmények értékelése

A második ábra azt mutatja, hogy a perceptron tökéletesen osztályozza az összes tanulóesetet.

Videó

Folyamat

ann_exp1.rmp

Kulcsszavak

perceptron
felügyelt tanulás
osztályozás

Operátorok

Apply Model
Filter Examples
Perceptron
Performance (Classification)
Read CSV
Remove Unused Values