MATLAB Perceptron - matlab, strojové učenie

Ja som s tým zápasil dosťteraz. I cant Zdá sa, že prísť na to, prečo mám percentuálnu chybu v tisícoch. Snažím sa zistiť perceptrón medzi X1 a X2, ktoré sú Gaussovými distribuovanými dátovými súbormi s odlišnými prostriedkami a identickými kovarianciami.

N=200;
X = [X1; X2];
X = [X ones(N,1)]; %bias
y = [-1*ones(N/2,1); ones(N/2,1)]; %classification

%Split data into training and test
ii = randperm(N);
Xtr = X(ii(1:N/2),:);
ytr = X(ii(1:N/2),:);
Xts = X(ii(N/2+1:N),:);
yts = y(ii(N/2+1:N),:);

w = randn(3,1);
eta = 0.001;
%learn from training set
for iter=1:500
j = ceil(rand*N/2);
if( ytr(j)*Xtr(j,:)*w < 0)
w = w + eta*Xtr(j,:)";
end
end

%apply what you have learnt to test set
yhts = Xts * w;
disp([yts yhts])
PercentageError = 100*sum(find(yts .*yhts < 0))/Nts;

Akákoľvek pomoc by bola ocenená. Ďakujem

odpovede:

Vo výpočte chýb máte chybu.

Na tomto riadku:

PercentageError = 100*sum(find(yts .*yhts < 0))/Nts;

Na find vracia indexy zodpovedajúcich položiek. Pre vašu mieru presnosti nechcete, aby ste to chceli.

PercentageError = 100*sum( yts .*yhts < 0 )/Nts;

Ak vygenerujem X1 = randn(100,2); X2 = randn(100,2); a predpokladať Nts=100, Dostanem 2808% pre váš kód a očakávanú 50% chybu (nie lepšiu ako odhad, pretože moje testovacie údaje nemožno oddeliť) pre opravenú verziu.

Aktualizácia - model perceptron mal aj jemnejšiu chybu, pozri: https://datascience.stackexchange.com/questions/2353/matlab-perceptron