對於我的一個AI作業任務,我們負責創建Widrow Hoff delta規則的感知器學習實現。我編寫在Java中此實現:感知器學習 - 最重要的功能
以下github上的鏈接包含項目:那我有 https://github.com/dmcquillan314/CS440-Homework/tree/master/CS440-HW2-1
的問題是不是與創造感知的。這工作正常。
在訓練後的感知器中,我然後將一個未分類的數據集應用到感知器,然後學習每個輸入向量的分類。這也很好。
我的問題屬於學習輸入的哪個特徵是最重要的。例如,如果每個輸入矢量中的特徵集是彩色,汽車模型和汽車,我們想分類哪個特徵是最重要的。如何去做這件事。
我最初的理解讓我相信,計算相關係數是每個輸入的特徵值和所產生的分類向量。然而,這竟然是一個錯誤的假設。
有沒有其他方法可以學習最重要的功能?
EDIT
樣品重量矢量:
(-752,4771,17714,762,如圖6所示,676,3060,-2004,5459,9591.299,3832,14963,20912)
樣品輸入向量:
(55,1,2,130,262,0,0,155,0,0,1,0,3,0)
(59,1,3, 126,218,1,0 (45,1,2,128,308,0,2,170,0,0,1,0,3,0)
(59,1,4,110,239,0,2,142,1,1.2,2,1,7,1)
最後一個元素是分類。
我會在找到答案時在此發佈答案。到目前爲止,我相信教練給出的答案是不準確的。
看來你知道了很多關於感知,你有關於[這個問題](http://stackoverflow.com/questions/28577662/application-of-delta-rule-to-feature-vectors-任何見解感知器) –