सरल accord.net मशीन सीखने का उदाहरण

Question

मैं मशीन सीखने के लिए नया हूं और accord.net (I कोड सी #) पर नया हूं।

मैं एक साधारण प्रोजेक्ट बनाना चाहता हूं जहां मैं डेटा की एक साधारण समय श्रृंखला को देखता हूं, तो मैं accord.net को यह सीखने और भविष्यवाणी करना चाहता हूं कि अगला मूल्य क्या होगा। वाई

1 - 1 

2 - 2 

3 - 3 

4 - 2 

5 - 1 

6 - 2 

7 - 3 

8 - 2 

9 - 1 

तो मैं यह निम्नलिखित भविष्यवाणी करने के लिए चाहते हैं -

एक्स:

एक्स

यह वही डेटा (समय श्रृंखला) की तरह दिखना चाहिए है - वाई

10 - 2 

11 - 3 

12 - 2 

13 - 1 

14 - 2 

15 - 3 

क्या आप लोग इसे हल करने के तरीके पर कुछ उदाहरणों के साथ मेरी मदद कर सकते हैं?

Answer 1

ऐसा करने का एक आसान तरीका एक Accord ID3 निर्णय पेड़ का उपयोग करना होगा।

यह चाल है कि कौन से इनपुट का उपयोग करना है - आप केवल एक्स पर ट्रेन नहीं कर सकते हैं - पेड़ उस से एक्स के भविष्य के मूल्यों के बारे में कुछ भी नहीं सीख पाएगा - हालांकि आप एक्स से व्युत्पन्न कुछ विशेषताएं बना सकते हैं (या वाई के पिछले मान) जो उपयोगी होंगे।

आम तौर पर इस तरह की समस्याओं के लिए - आप एक्स के बजाए वाई के पिछले मूल्यों (भविष्यवाणी की जा रही चीज़) से व्युत्पन्न सुविधाओं के आधार पर प्रत्येक भविष्यवाणी करेंगे। हालांकि, मान लीजिए कि आप प्रत्येक भविष्यवाणी के बीच अनुक्रमिक रूप से वाई देख सकते हैं (आप नहीं कर सकते फिर किसी भी arbitary एक्स के लिए भविष्यवाणी) तो मैं प्रस्तुत के रूप में सवाल के साथ रहना होगा।

मुझे नीचे इस समस्या को हल करने के लिए एक Accord ID3 निर्णय पेड़ बनाने में जाना पड़ा। मैंने सुविधाओं के रूप में x % n के कुछ अलग-अलग मानों का उपयोग किया - उम्मीद है कि पेड़ इससे जवाब निकाल सकता है। असल में अगर मैं (x-1) % 4 को एक फीचर के रूप में जोड़ता हूं तो यह केवल एक ही स्तर पर ऐसा गुण कर सकता है - लेकिन मुझे लगता है कि पेड़ पैटर्न को ढूंढने के लिए और अधिक है।

    x y 
TrainingData  1 1 
TrainingData  2 2 
TrainingData  3 3 
TrainingData  4 2 
TrainingData  5 1 
TrainingData  6 2 
TrainingData  7 3 
TrainingData  8 2 
TrainingData  9 1 
TrainingData  10 2 
TrainingData  11 3 
TrainingData  12 2 

Prediction  13 1 
Prediction  14 2 
Prediction  15 3 
Prediction  16 2 
Prediction  17 1 
Prediction  18 2 
Prediction  19 3 
Prediction  20 2 
Prediction  21 1 
Prediction  22 2 
Prediction  23 3 
Prediction  24 2 

आशा है कि मदद करता है:

// this is the sequence y follows 
    int[] ysequence = new int[] { 1, 2, 3, 2 }; 

    // this generates the correct Y for a given X 
    int CalcY(int x) => ysequence[(x - 1) % 4]; 

    // this generates some inputs - just a few differnt mod of x 
    int[] CalcInputs(int x) => new int[] { x % 2, x % 3, x % 4, x % 5, x % 6 }; 


    // for http://stackoverflow.com/questions/40573388/simple-accord-net-machine-learning-example 
    [TestMethod] 
    public void AccordID3TestStackOverFlowQuestion2() 
    { 
     // build the training data set 
     int numtrainingcases = 12; 
     int[][] inputs = new int[numtrainingcases][]; 
     int[] outputs = new int[numtrainingcases]; 

     Console.WriteLine("\t\t\t\t x \t y"); 
     for (int x = 1; x <= numtrainingcases; x++) 
     { 
      int y = CalcY(x); 
      inputs[x-1] = CalcInputs(x); 
      outputs[x-1] = y; 
      Console.WriteLine("TrainingData \t " +x+"\t "+y); 
     } 

     // define how many values each input can have 
     DecisionVariable[] attributes = 
     { 
      new DecisionVariable("Mod2",2), 
      new DecisionVariable("Mod3",3), 
      new DecisionVariable("Mod4",4), 
      new DecisionVariable("Mod5",5), 
      new DecisionVariable("Mod6",6) 
     }; 

     // define how many outputs (+1 only because y doesn't use zero) 
     int classCount = outputs.Max()+1; 

     // create the tree 
     DecisionTree tree = new DecisionTree(attributes, classCount); 

     // Create a new instance of the ID3 algorithm 
     ID3Learning id3learning = new ID3Learning(tree); 

     // Learn the training instances! Populates the tree 
     id3learning.Learn(inputs, outputs); 

     Console.WriteLine(); 
     // now try to predict some cases that werent in the training data 
     for (int x = numtrainingcases+1; x <= 2* numtrainingcases; x++) 
     { 
      int[] query = CalcInputs(x); 

      int answer = tree.Decide(query); // makes the prediction 

      Assert.AreEqual(CalcY(x), answer); // check the answer is what we expected - ie the tree got it right 
      Console.WriteLine("Prediction \t\t " + x+"\t "+answer); 
     } 
    } 

यह आउटपुट यह उत्पादन होता है:

और यहाँ उस के लिए कोड है।

संपादित करें: उदाहरण के नीचे, समय सूचकांक (एक्स) से प्राप्त सुविधाओं के बजाय लक्ष्य (वाई) के पिछले मूल्यों पर ट्रेन करने के लिए संशोधित किया गया है। इसका मतलब है कि आप अपनी श्रृंखला की शुरुआत में प्रशिक्षण शुरू नहीं कर सकते - क्योंकि आपको वाई के पिछले मूल्यों का पिछला इतिहास चाहिए। इस उदाहरण में मैंने x = 9 पर शुरुआत की क्योंकि यह वही अनुक्रम रखता है। जो बेहतर काम करेगा जहां वाई का निरपेक्ष मान सापेक्ष परिवर्तन के रूप में के रूप में महत्वपूर्ण नहीं है -

 // this is the sequence y follows 
    int[] ysequence = new int[] { 1, 2, 3, 2 }; 

    // this generates the correct Y for a given X 
    int CalcY(int x) => ysequence[(x - 1) % 4]; 

    // this generates some inputs - just a few differnt mod of x 
    int[] CalcInputs(int x) => new int[] { CalcY(x-1), CalcY(x-2), CalcY(x-3), CalcY(x-4), CalcY(x - 5) }; 
    //int[] CalcInputs(int x) => new int[] { x % 2, x % 3, x % 4, x % 5, x % 6 }; 


    // for http://stackoverflow.com/questions/40573388/simple-accord-net-machine-learning-example 
    [TestMethod] 
    public void AccordID3TestTestStackOverFlowQuestion2() 
    { 
     // build the training data set 
     int numtrainingcases = 12; 
     int starttrainingat = 9; 
     int[][] inputs = new int[numtrainingcases][]; 
     int[] outputs = new int[numtrainingcases]; 

     Console.WriteLine("\t\t\t\t x \t y"); 
     for (int x = starttrainingat; x < numtrainingcases + starttrainingat; x++) 
     { 
      int y = CalcY(x); 
      inputs[x- starttrainingat] = CalcInputs(x); 
      outputs[x- starttrainingat] = y; 
      Console.WriteLine("TrainingData \t " +x+"\t "+y); 
     } 

     // define how many values each input can have 
     DecisionVariable[] attributes = 
     { 
      new DecisionVariable("y-1",4), 
      new DecisionVariable("y-2",4), 
      new DecisionVariable("y-3",4), 
      new DecisionVariable("y-4",4), 
      new DecisionVariable("y-5",4) 
     }; 

     // define how many outputs (+1 only because y doesn't use zero) 
     int classCount = outputs.Max()+1; 

     // create the tree 
     DecisionTree tree = new DecisionTree(attributes, classCount); 

     // Create a new instance of the ID3 algorithm 
     ID3Learning id3learning = new ID3Learning(tree); 

     // Learn the training instances! Populates the tree 
     id3learning.Learn(inputs, outputs); 

     Console.WriteLine(); 
     // now try to predict some cases that werent in the training data 
     for (int x = starttrainingat+numtrainingcases; x <= starttrainingat + 2 * numtrainingcases; x++) 
     { 
      int[] query = CalcInputs(x); 

      int answer = tree.Decide(query); // makes the prediction 

      Assert.AreEqual(CalcY(x), answer); // check the answer is what we expected - ie the tree got it right 
      Console.WriteLine("Prediction \t\t " + x+"\t "+answer); 
     } 
    } 

तुम भी वाई के पिछले मूल्यों के बीच मतभेदों पर प्रशिक्षण विचार कर सकते हैं।