Uczenie: LVQ1 (z automatycznie dobierana stałą uczenia) + PCA (przyciaganie prototypow do składowej głównej)
Składanie projekcji: ortogonalizacja danych wejściowych względem poprzednio znalezionych kieronków tylko dla wektorów błędnie sklasyfikowanych przez poprzednio znalezione kierunki
Wykresy pokazują najlepsze projekcje (dające najmniejszy błąd treningowy klasyfikacji) z posród modeli uczonych
z liczbą prototypów od 2 do 20.
Każdy proces uczenia był inicjalizowany 5 razy.
| Best projection 1 with k=18, acc 92.45 |
 |
| Best projection 2 with k=12, acc 97.66 |
 |
| Best projection 1 with k=4, acc 76.40 |
 |
| Best projection 2 with k=17, acc 70.09 |
 |
| Best projection 1 with k=3, acc 84.44 |
 |
| Best projection 2 with k=3, acc 84.50 |
 |
| Best projection 2 with k=17, acc 99.33 |
 |
| Best projection 1 with k=6, acc 78.34 |
 |
| Best projection 1 with k=9, acc 81.45 |
 |
| Best projection 1 with k=4, acc 74.56 |
 |
| Best projection 2 with k=3, acc 86.07 |
 |
| Best projection 1 with k=20, acc 100.00 |
 |
| Best projection 1 with k=8, acc. 99.22 |
 |
| Best projection 1 with k=10, acc 94.11 |
 |
| Best projection 2 with k=6, acc 95.40 |
 |
| Best projection 2 with k=6, acc 96.63 |
 |
