Внедрение персептрона Розенблатца в R-программирование

Question

ive train_data для классификации с использованием персептрона .. который дает Нэнс Перцептрон классифицирован неправильно

train_data =data.frame(x_1=c(0,1,4,5,6,8,2,3,5,9,12,14,15,16,17,20,19,16,18,19,0,2,3,4,5,6),

x_2=c(1,4,13,2,14,15,3,7,8,11,12,20,16,14,5,6,8,9,12,10,11,16,17,20,20,19),

y_d=c(1,1,0,1,0,0,1,1,1,1,1,0,1,1,1,1,1,1,1,1,0,0,0,0,0,0))


p=ggplot(train_data,aes(train_data$x_1,train_data$x_2))
p
train_data$b=1
head(train_data)
x=train_data[,c(1,2,4)]
head(x)

y= train_data[,3]
head(y)
perceptron = function(x,y,rate,epoch){
  weight_vector= rep(0,ncol(x))
  error=rep(0,epoch)
  for (i in 1:epoch) {
    for (j in 1:nrow(x)) {
            output= sum(weight_vector*x[j,])
            if(output<0){
                    ypred=-1
                    p+geom_point(aes(x[j,1],x[j,2],col="red"))
            }else{
                    ypred=1
                    p+geom_point(aes(x[j,1],x[j,2],col="blue"))
    }
  weightdiff=rate*(y[j]-ypred)*as.numeric(x[j,])
  weight_vector=weight_vector+weightdiff
  if((y[j]-ypred)!=0.0){
    error[i]= error[i]+1
  }
  return(error)

  }

 }

}

вызов функции

персептрон (х, у, 0.01,100)

Функция персептрона генерирует все ошибки в виде нулей, кроме первой

 [1] 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
 0 0 0 0 0 0 0 0
[45] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
0 0 0 0 0 0 0 0
[89] 0 0 0 0 0 0 0 0 0 0 0 0

Я ожидаю выходной график, как показано ниже

чтобы я мог нарисовать линию, классифицирующую два класса

Answer 1

См. Ниже исправленный алгоритм, так как в алогрите были некоторые ошибки (вычисление функции активации [я взял функцию активации Хевисайда], размерность).Я пометил их в #m справа от кода.Также как я заменил ggplot2 на base::plot функцию внутри алгоритма вычислений из-за ggplot2 внутренней механики.Пожалуйста, смотрите результаты, как показано ниже:

    train_data <- structure(list(x_1 = c(0, 1, 4, 5, 6, 8, 2, 3, 5, 9, 12, 14, 
    15, 16, 17, 20, 19, 16, 18, 19, 0, 2, 3, 4, 5, 6), x_2 = c(1, 
    4, 13, 2, 14, 15, 3, 7, 8, 11, 12, 20, 16, 14, 5, 6, 8, 9, 12, 
    10, 11, 16, 17, 20, 20, 19), y_d = c(1, 1, 0, 1, 0, 0, 1, 1, 
    1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0)), class = "data.frame", 
    row.names = c(NA, -26L))

    plot(train_data$x_1, train_data$x_2, type = "n")

perceptron <- function(x, y, rate, epoch){
  weight_vector <- rep(0, ncol(x) + 1) #m
  error <- rep(0, epoch)
  for (i in 1:epoch) {
    for (j in 1:length(y)) { #m
      output <- sum(weight_vector[2:length(weight_vector)] * 
                      as.numeric(x[j, ])) + weight_vector[1] #m

      if (output < 0) {
        ypred <- -1
        points(x[j, 1], x[j, 2], col = "red", pch = 19, cex = 2)
      } else {
        ypred <- 1
        points(x[j, 1], x[j, 2], col = "blue", pch = 19, cex = 2)
      }
      weightdiff <- rate * (y[j] - ypred) * c(1, as.numeric(x[j, ])) #m

      weight_vector <- weight_vector + weightdiff
      if((y[j] - ypred) != 0.0){
        error[i] <- error[i] + 1
      }
    }
  }
  return(error)
}

x <- train_data[, c(1,2)]
y <- train_data[, 3]


perceptron(x, y, 0.01, 100)

Вывод:

  [1] 13 13 13 15 10 11 11 11 14 14 11 11 10 12 10 11 11 12 13 11 12 10 11 11 12 13 11 12 13 11 11 12 10 12 10
 [36] 12 10 12 10 10 10 11 12 11 12 11 12 11 12 11 12 11 12 11 12 12 11 11 12 12 11 11 12 12 11 11 10 11 12 11
 [71] 10 12 12 11 11 10 11 12 11 12 10 12 12 10 12 11 10 11 10 12 10 12 10 10 11 10 12 10 12 10

Графика: