AI 수업의 과제 중 하나에 대해 우리는 위도 로우 호프 델타 규칙의 퍼셉트론 학습 구현을 작성해야했습니다. 나는 자바에서이 구현을 코딩했습니다 : 나는 데 https://github.com/dmcquillan314/CS440-Homework/tree/master/CS440-HW2-1퍼셉트론 학습 - 가장 중요한 기능
문제가 퍼셉트론의 창조되지 않습니다 :
다음 GitHub의 링크는 프로젝트가 포함되어 있습니다. 그것은 잘 작동합니다.
퍼셉트론을 교육 한 후에 나는 분류되지 않은 데이터 세트를 퍼셉트론에 적용하여 각 입력 벡터의 분류를 학습했습니다. 이것도 괜찮 았어.
내 문제는 입력의 어떤 기능이 가장 중요한지를 파악하는 것과 관련이 있습니다.
예를 들어, 각 입력 벡터 내에서 설정된 기능이 컬러, 자동차 모델 및 자동차 제조업체 인 경우 어떤 기능이 가장 중요한지를 분류하려고했습니다. 어떻게 그렇게 할 것인가.
이 사실을 처음으로 알게되면, 상관 계수를 계산할 때 각 입력에 대한 해당 지형지 물의 값과 생성되는 분류 벡터를 계산할 수있었습니다. 그러나 이것은 잘못된 가정으로 판명되었습니다.
가장 중요한 기능을 배울 수있는 다른 방법이 있습니까?
EDIT
샘플 중량 벡터 :
(-752, 4771, 17,714, 762, 6, 676, 3060, -2004, 5459, 9591.299, 3,832, 14,963, 20,912)
샘플 입력 벡터 :
(55, 1, 2, 130, 262, 0, 0, 155, 0, 0, 1, 0, 3, 0)
(59, 1, 3, 126, 218, 1,0 (45, 1, 2, 128, 308, 0, 2, 170, 0, 1, 0, 3, 0)
(59, 1, 4, 110, 239, 0, 2, 142, 1, 1.2, 2, 1, 7, 1)
마지막 요소는 분류입니다.
답변을 찾으면 여기에 답변을 게시합니다. 지금까지 나는 강사가 준 대답이 정확하지 않다고 믿습니다.
당신이 perceptron에 대해 많이 알고있는 것 같아요, 당신은 [이 질문에 관한] 통찰력을 가지고 있습니까 (http://stackoverflow.com/questions/28577662/application-of-delta-rule-to-feature-vectors- 퍼셉트론) –