poster
2019-12-14, 20:46
我正在编码一个感知器，以学习对面部图片中的性别进行分类。我对MATLAB非常陌生，因此我需要很多帮助。我有几个问题：
我正在尝试为功能编写代码：
function [y] = testset(x,w) %y = sign(sigma(x*w-threshold)) 其中y是预测结果，x是作为非常大的矩阵放入的训练/测试集，w是方程式的权重。 %之后的部分是我要编写的内容，但是我不知道如何在MATLAB代码中编写此内容。有什么想法吗？
我正在尝试编写第二个函数：
function [err] = testerror(x,w,y) %err = sigma(max(0,-w*x*y)) w，x和y具有与上述相同的值，而err是我的误差函数，我正在尝试通过感知器的步骤将其最小化。
我正在尝试在感知器中创建一个台阶，以通过对原始方程式使用梯度下降来降低误差百分比。有谁知道我该如何使用梯度下降来递增w，以便使用if then语句使误差函数最小化？
如果可以帮助您回答这些问题，我可以提供到目前为止的代码。
谢谢！
编辑 - - - - - - - - - - - - -
好的，因此我仍在为此编写代码，并希望在我有更完整的内容后再提出。我现在最大的问题是：
我有以下功能：
function [y] = testset(x,w) y = sign(sum(x*w-threshold)) 现在，我知道应该设定一个阈值，但无法弄清楚应该设定的阈值！有什么想法吗？
编辑 - - - - - - - - - - - - - -
这是我到目前为止所拥有的。仍然需要对其进行更改，但是我将不胜感激，尤其是在结构方面的意见，以及提出需要进行更改的建议！
function [y] = Perceptron_Aviva(X,w) y = sign(sum(X*w-1)); end function [err] = testerror(X,w,y) err = sum(max(0,-w*X*y)); end %function [w] = perceptron(X,Y,w_init) %w = w_init; %end %------------------------------ % input samples X = X_train; % output class [-1,+1]; Y = y_train; % init weigth vector w_init = zeros(size(X,1)); w = w_init; %--------------------------------------------- loopcounter = 0 while abs(err) > 0.1 && loopcounter < 100 for j=1:size(X,1) approx_y(j) = Perceptron_Aviva(X(j),w(j)) err = testerror(X(j),w(j),approx_y(j)) if err > 0 %wrong (structure is correct, test is wrong) w(j) = w(j) - 0.1 %wrong elseif err < 0 %wrong w(j) = w(j) + 0.1 %wrong end % ----------- % if sign(w'*X(:,j)) ~= Y(j) %wrong decision? % w = w + X(:,j) * Y(j); %then add (or subtract) this point to w end
回答：
您可以阅读我前一段时间做的这个问题 (https://stackoverflow.com/questions/4882367/implementing-and-ploting-a-perceptron-in-matlab) 。
我使用Matlab代码和功能感知器
function [w] = perceptron(X,Y,w_init) w = w_init; for iteration = 1 : 100 %
我正在尝试为功能编写代码：
function [y] = testset(x,w) %y = sign(sigma(x*w-threshold)) 其中y是预测结果，x是作为非常大的矩阵放入的训练/测试集，w是方程式的权重。 %之后的部分是我要编写的内容，但是我不知道如何在MATLAB代码中编写此内容。有什么想法吗？
我正在尝试编写第二个函数：
function [err] = testerror(x,w,y) %err = sigma(max(0,-w*x*y)) w，x和y具有与上述相同的值，而err是我的误差函数，我正在尝试通过感知器的步骤将其最小化。
我正在尝试在感知器中创建一个台阶，以通过对原始方程式使用梯度下降来降低误差百分比。有谁知道我该如何使用梯度下降来递增w，以便使用if then语句使误差函数最小化？
如果可以帮助您回答这些问题，我可以提供到目前为止的代码。
谢谢！
编辑 - - - - - - - - - - - - -
好的，因此我仍在为此编写代码，并希望在我有更完整的内容后再提出。我现在最大的问题是：
我有以下功能：
function [y] = testset(x,w) y = sign(sum(x*w-threshold)) 现在，我知道应该设定一个阈值，但无法弄清楚应该设定的阈值！有什么想法吗？
编辑 - - - - - - - - - - - - - -
这是我到目前为止所拥有的。仍然需要对其进行更改，但是我将不胜感激，尤其是在结构方面的意见，以及提出需要进行更改的建议！
function [y] = Perceptron_Aviva(X,w) y = sign(sum(X*w-1)); end function [err] = testerror(X,w,y) err = sum(max(0,-w*X*y)); end %function [w] = perceptron(X,Y,w_init) %w = w_init; %end %------------------------------ % input samples X = X_train; % output class [-1,+1]; Y = y_train; % init weigth vector w_init = zeros(size(X,1)); w = w_init; %--------------------------------------------- loopcounter = 0 while abs(err) > 0.1 && loopcounter < 100 for j=1:size(X,1) approx_y(j) = Perceptron_Aviva(X(j),w(j)) err = testerror(X(j),w(j),approx_y(j)) if err > 0 %wrong (structure is correct, test is wrong) w(j) = w(j) - 0.1 %wrong elseif err < 0 %wrong w(j) = w(j) + 0.1 %wrong end % ----------- % if sign(w'*X(:,j)) ~= Y(j) %wrong decision? % w = w + X(:,j) * Y(j); %then add (or subtract) this point to w end
回答：
您可以阅读我前一段时间做的这个问题 (https://stackoverflow.com/questions/4882367/implementing-and-ploting-a-perceptron-in-matlab) 。
我使用Matlab代码和功能感知器
function [w] = perceptron(X,Y,w_init) w = w_init; for iteration = 1 : 100 %