最小2乗法は知ってるので、ぶっとばしてパーセプトロン。
線形の和に対して、閾値関数*1やロジステック関数をかましてやったものが、ここで言うyのことなのか。で、なんか説明があって、次へ行く。
ADALINE
このモデルでの学習は、教師の答えとネッ トワークの出力との平均２乗誤差を最小とするような結合重み
を最急降下法によって求めるものです。
よし、日本語でおk。irisのデータを使うらしいよ。
と思ったら
最小2乗法は解析的にパラメータ計算するのしか知らないを思い出したので、「最急降下法によるパラメータの推定」のところから。データの読み込み。
students <- textConnection(" 生徒番号 ボール投げ 握力 身長 体重 1 22 28 146 34 2 36 46 169 57 3 24 39 160 48 4 22 25 156 38 5 27 34 161 47 6 29 29 168 50 7 26 38 154 54 8 23 23 153 40 9 31 42 160 62 10 24 27 152 39 11 23 35 155 46 12 27 39 154 54 13 31 38 157 57 14 25 32 162 53 15 23 25 142 32 ") close.connection(textConnection(students)) students <- read.table(students,header=T)
で、適当に計算させる。a0に関してはupdateさせなかった。てか、入れると変になる(ほとんど更新されないとか)。updateさせると変になる理由がいまいち分かってない。あとで考える。
y <- function(y,x1,x2,x3,a1,a2,a3){ return(mean(y) + a1*(x1-mean(x1)) + a2*(x2-mean(x2)) + a3*(x3-mean(x3))) } #この辺はevalとかで動的に作ったほうがいいけど、まあ今はいいや deda1 <- function(y,x1,x2,x3,a1,a2,a3){ -2/15 * sum((y-y(y,x1,x2,x3,a1,a2,a3)) * x1) } deda2 <- function(y,x1,x2,x3,a1,a2,a3){ -2/15 * sum((y-y(y,x1,x2,x3,a1,a2,a3)) * x2) } deda3 <- function(y,x1,x2,x3,a1,a2,a3){ -2/15 * sum((y-y(y,x1,x2,x3,a1,a2,a3)) * x3) } students[c(-1,-2)]<- students[c(-1,-2)]/100 students #てきとーな初期値とパラメータ a1 <- 1 a2 <- 1 a3 <- 1 alpha <- 10 for(i in seq(1000)){ a1 <- a1 - alpha * deda1(students$ボール投げ,students$握力,students$身長,students$体重,a1,a2,a3) a2 <- a2 - alpha * deda2(students$ボール投げ,students$握力,students$身長,students$体重,a1,a2,a3) a3 <- a3 - alpha * deda3(students$ボール投げ,students$握力,students$身長,students$体重,a1,a2,a3) }
てか、あれか。行列使って計算しろよ、って話ですね。
それぞれのパラメータ。こんな感じになる。a0だけはa1、a2、a3の関係式から求めてやった。
> (a0 <- mean(students$ボール投げ) - a1*mean(students$握力) - a2*mean(students$身長) - a3*mean(students$体重)) [1] -13.21730 > a1 [1] 20.13769 > a2 [1] 17.10246 > a3 [1] 12.49428
解析的に求めたパラメータの値。さっきのがまあまあよさげなことであることが分かる。
> lm(ボール投げ~握力+身長+体重,data=students) Call: lm(formula = ボール投げ ~ 握力 + 身長 + 体重, data = students) Coefficients: (Intercept) 握力 身長 体重 -13.22 20.14 17.10 12.49
*1:indicator functionの0じゃなくて-1バージョンみたいなやつ
