Edytuj stronę Odnośniki Fold/unfold all ODT export Ta strona jest tylko do odczytu. Możesz wyświetlić źródła tej strony ale nie możesz ich zmienić. ====== Constrained LVQ (LLVQ) ====== [[http://kis.wikidot.com/linear-lvq|Bardziej szczegółowy opis modelu]] **Uczenie**: LVQ1 (z automatycznie dobierana stałą uczenia) + przyciąganie prototypów do prostej.\\ Przyciąganie następuje raz na kilka kroków uczenia LVQ.\\ Prosta wyznaczana za pomocą minimalizacji indeksu QPC bądź za pomocą piewszego kirunku PCA.\\ **Składanie projekcji**: ortogonalizacja danych wejściowych względem poprzednio znalezionych kierunków ===== Wizualizacje ===== Wykresy pokazują najlepsze projekcje (dające najmniejszy błąd treningowy klasyfikacji) z posród modeli uczonych z liczbą prototypów od 2 do 20. Każdy proces uczenia LVQ był inicjalizowany 5 razy. Uczenie QPC inicjalizowane 10 razy. [[projects:models:llvq:wizualizacje:qpclvq1|QPC + LVQ]]\\ [[projects:models:llvq:wizualizacje:pcalvq1|PCA + LVQ]]\\ ===== Test generalizacji CV ===== [[projects:models:llvq:cvtest:qpclvq1|QPC + LVQ]]\\ [[projects:models:llvq:cvtest:pcalvq1|PCA + LVQ]]\\ [[projects:models:llvq:cvtest:cvtest|QPC+LVQ, PCA+LVQ, MLP, SVM, kNN]] ---- [[wyniki_wstepne|Poprzednie wyniki ]] ---- ===== TO DO ===== * <del>porównanie z LVQ</del> * sprawdzic MLP - podejrzanie dobre wyniki dla parzystości * <del> kNN z k=1:20 (glównie dla parzystości)</del> * <del>Symetria próbka 1000 dla 20 bitów</del>