多层感知器 - 找到“分离”曲线
Posted
技术标签:
【中文标题】多层感知器 - 找到“分离”曲线【英文标题】:multi layer perceptron - finding the "separating" curve 【发布时间】:2013-01-04 15:02:44 【问题描述】:使用单层感知器很容易找到“分隔线”的方程(我不知道专业术语),根据感知器的权重,分隔两种类型的点之间的线,之后它是受过训练。在多层感知器中,如何以类似的方式找到分隔两种类型点的曲线方程(不是直线)?
谢谢。
【问题讨论】:
【参考方案1】:这只是试图获得分离边界或曲线的近似值。
数据集
下面我绘制了两种类型的示例数据集之间的分离曲线。数据集借自 coursera - Andrew Ng 的机器学习课程。下面的代码 sn-p 也借鉴了 Andrew 的 ML 课程的Ex6
的想法。
边界图
绘制分离曲线,
您首先根据您的训练数据训练您的神经网络; 使用您想要的粒度生成二维数据网格,在Matlab
中,类似于:
x1plot = linspace(min(X(:,1)), max(X(:,1)), 100)';
x2plot = linspace(min(X(:,2)), max(X(:,2)), 100)';
[X1, X2] = meshgrid(x1plot, x2plot);
对于网格中的每个数据点,使用您的神经网络计算预测标签;
绘制网格结果标签的轮廓图
vals = 零(大小(X1));
对于 i = 1:size(X1, 2)
this_X = [X1(:, i), X2(:, i)];
% mlpPredict() 是使用你训练好的神经网络模型的函数
% 得到一个预测的标签。
vals(:, i) = mlpPredict(模型, this_X);
结尾
% 绘制边界
坚持,稍等
[C, Lev] = 轮廓(X1, X2, vals, [0 0], 'Color', 'b');
等等;
如果您的目标只是获得边界曲线的精确数学表示,则此方法行不通。此方法只能为您提供曲线的近似值,直至您在网格中设置的粒度。
如果您确实想要边界的精确描述,SVM 可能是一个不错的选择,因为整个支持向量集都可以用作边界描述。
使用轮廓点的近似边界
我查看了octave
关于contour
的文档。基本上,contour
使用由contourc
从相同参数计算的轮廓矩阵C
。这是contourc
的签名:
[C, LEV] = contourc (X, Y, Z, VN)
此函数计算矩阵Z
的等高线。参数X
、Y
和VN
是可选的。
The return value LEV is a vector of the contour levels. The
return value C is a 2 by N matrix containing the contour lines in
the following format
C = [lev1, x1, x2, ..., levn, x1, x2, ...
len1, y1, y2, ..., lenn, y1, y2, ...]
in which contour line N has a level (height) of LEVN and length of
LENN.
因此,如果您确实想获得曲线的分析描述,矩阵C
应该包含有关它的足够信息。在我的示例图中,在解析 C
后,我得到了 30 个级别。第一级前6个点的坐标如下:
x: 2.3677e-01 2.3764e-01 2.4640e-01 2.4640e-01 2.4640e-01 2.4640e-01 ...
y: 4.0263e-01 4.0855e-01 4.0909e-01 4.1447e-01 4.2039e-01 4.2631e-01 ...
请注意,它们正是轮廓上从 (0.23677, 0.40263) 开始的点。使用这些轮廓点,可以直接使用多条线段来近似曲线(因为每条线段可以由两个端点确定)。
希望对您有所帮助。
【讨论】:
非常感谢。是否也有近似曲线的解析方法? 首先您可能想尝试识别网格上最靠近轮廓的点(看看contour
函数的源代码应该会有所帮助。)之后,很简单使用多条线段逼近曲线(因为每条线段可以由两个端点确定)。以上是关于多层感知器 - 找到“分离”曲线的主要内容,如果未能解决你的问题,请参考以下文章