개시하다

이른adaline

이번에 사용된 데이터

설치

이른바 아다라인

아주 알기 쉬운 기사가 있으니까 붙여주세요.
이른바 퍼스트 프론의 개량판이다.
2.ADALINE

이번에 사용한 데이터

이번에는 상당히 유명한 아이리스의 데이터를 사용했다.
https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
여기를 다운로드하세요.

이루어지다

이번에는python으로 실현하고 싶어요.수업의 한 부분이기 때문에 자신이 별로 조사하지 않고 썼기 때문에 함수화된 부분이 있는지 양해해 주십시오.
adaline.py

import pandas as pd
import numpy as np
from matplotlib import pyplot as plt

df = pd.read_csv(‘iris-data.csv’,header=None)
df_new = df.drop(columns=[1,3])
df_new = df_new.replace(‘Iris-setosa’,0)
df_new = df_new.replace(‘Iris-versicolor’,1)
df_new

eta = 0.001
epoch = 100
cost_=[]
t = np.array(df_new[4])
X = np.array([df_new[0],df_new[2]]).T
w = np.random.normal(0.0, 0.01, size=X.shape[1] + 1)

# 重みの初期値の確認
print(w)

for I in range(epoch):
        input_ = np.dot(X,w[1:])+w[0]
        predict = np.where(input_>= 0, 1, 0)
        errors = t - predict

        # 重みに更新
        w[1:] += eta * np.dot(errors,X)
        w[0] += eta * errors.sum()

        # コスト関数の計算
        cost = (errors**2).sum() / 2.0
        cost_.append(cost)

# 重みの確認
print(w)


# とりあえずプロット        
x_a = range(4,8)
y_a = [-(w[1]/w[2])*xi-(w[0]/w[2]) for xi in x_a]
plt.scatter(df_new.iloc[:50,0],df_new.iloc[:50,1],label = ‘Iris-versicolor’)  
plt.scatter(df_new.iloc[50:,0],df_new.iloc[50:,1],label = ‘Iris-setosa’)
plt.ylabel(“petal length[cm]”)
plt.xlabel(“sepal length[cm]”)
plt.plot(x_a,y_a)
plt.legend()
plt.show()

거의 순서대로 썼지만 도표를 잘 그렸다.나 자신도 아다라인에 대한 이해를 깊이 할 수 있어서 정말 다행이다.

최후

어때요?예쁜 코드는 아니지만 python이라고 쓰여 있어서 업로드도 해봤어요.앞으로 더 높은 수준의 물건을 싣고 싶다.