Использование SelfOrganizing карта сом от взлома для списка списков - PullRequest
Новая
       50

Использование SelfOrganizing карта сом от взлома для списка списков

0 голосов
/ 23 сентября 2018

Я хотел использовать пакет som из http://hackage.haskell.org/package/som, чтобы проверить некоторые вещи с моими собственными данными.Я посмотрел пример https://github.com/mhwombat/som/blob/master/examples/housePrices.hs

и мне нужно переписать код для моего варианта использования, который представляет собой данные типа Float или двойные списки в списке 

let myData = [[1.2,1.3,4.1],[1.2,1.3,3.1] ...]

Буду признателен за любыепомощь или любую подсказку для другого пакета сома для списка списков в качестве входных данных.

Редактировать: полный код 

import Control.Monad (foldM_, forM_, unless, replicateM)
import Control.Monad.Random (evalRandIO, Rand, RandomGen, getRandomR)
import Data.Datamining.Pattern (adjustVector,  euclideanDistanceSquared)
import Data.Datamining.Clustering.SOM (SOM(..), toGridMap, decayingGaussian)
import Data.Datamining.Clustering.Classifier (Classifier, train, trainBatch)

import Data.List (foldl')
import Data.Word (Word8)
import Data.Array.IArray (elems)
import Data.Array.Unboxed (UArray)
import Data.Array.ST (runSTArray)
import GHC.Arr (listArray, readSTArray, thawSTArray, writeSTArray)
import Math.Geometry.Grid 
import Math.Geometry.Grid.Square (RectSquareGrid, rectSquareGrid)
import qualified Math.Geometry.GridMap as GM 
import Math.Geometry.GridMap.Lazy (LGridMap, lazyGridMap)
import Numeric (showHex)
import System.Directory (doesFileExist) 

main :: IO ()
main = do
  c <- evalRandIO $ buildSOM (length myTestDataInput)
  putStr . show . map round . GM.elems . toGridMap $ c
  foldM_ trainAndPrint c myTestDataInput

trainAndPrint c x = do
   let c2 = train c x
   putStr . show . map round . GM.elems . toGridMap $ c2
   putStrLn $ " after training with " ++ show (round x)
   return c2


 buildSOM n = do     
    let g = rectSquareGrid 3 3  
    let gm = lazyGridMap g ownWeights
    let n' = fromIntegral n
    let lrf = decayingGaussian 0.5 0.1 0.3 0.1 n' 
    return $ SOM gm lrf absD adjustNum 0


ownWeights = [[1.2,1.3],[1.2,1.3],[1.2,1.3],[1.2,1.3],[1.2,4.3],[1.2,1.5],[6.2,1.3]]
myTestDataInput  = [[1.2,1.3],[1.2,1.3],[1.3,3.1],[1.2,2.3],[4.3,3.1],[1.5,3.1],[6.2,1.3]]

absD _ [] = []
absD [] _ = []
absD (x:xs) (y:ys) = abs (x-y) : absD xs ys

adjustNum [] _ _ = []
adjustNum (target:tarL) r (x:xs)
  | r < 0     = error "Negative learning rate"
  | r > 1     = error "Learning rate > 1"
  | otherwise = x + r*(target - x) : adjustNum tarL r xs

Полная ошибка:

C: \ NN \ SOM.hs: 65: 28: ошибка: 

* Occurs check: cannot construct the infinite type: a0 ~ [a0]
  Expected type: [a0] -> [a0] -> [a0] -> [a0]
    Actual type: [a0] -> a0 -> [a0] -> [a0]
* In the fourth argument of `SOM', namely `adjustNum'
  In the second argument of `($)', namely
    `SOM gm lrf absD adjustNum 0'
  In a stmt of a 'do' block: return $ SOM gm lrf absD adjustNum 0
* Relevant bindings include
    lrf :: [a0] -> [a0] -> [a0] (bound at C:\\NN\SOM.hs:64:7)
    n' :: [a0] (bound at C:\\NN\SOM.hs:63:7)
    gm :: LGridMap RectSquareGrid [a0] (bound at C:\\NN\SOM.hs:62:7)
    buildSOM :: Int
                -> Control.Monad.Trans.Random.Lazy.RandT
                     System.Random.StdGen
                     Data.Functor.Identity.Identity
                     (SOM [a0] [a0] (LGridMap RectSquareGrid) [a0] (Int, Int) [a0])
      (bound at C:\\NN\SOM.hs:56:1)
 | 65 | return $ SOM gm lrf absD adjustNum 0 | ^^^^^^^^^ Failed, no modules loaded. Prelude>

1 Ответ

0 голосов
/ 23 сентября 2018

Я нашел свой ответ на эту проблему после проверки и опробования другого примера, приведенного в https://github.com/mhwombat/som/blob/master/examples/colours.hs

Использование функции euclideanDistanceSquared и AdjustVector, предоставленной библиотекой som, вместо моих определенных работали дляя.

...