如何實現感知器測試

Question

我有一個感知器算法的實現，它根據單詞袋模型進行操作，定義一系列權重來分離兩個特徵向量。

實施例：

Document 1 = ["I", "am", "awesome"] 
Document 2 = ["I", "am", "great", "great"] 

字典是：

["I", "am", "awesome", "great"] 

所以文件作爲載體將如下所示：

Document 1 = [1, 1, 1, 0] 
Document 2 = [1, 1, 0, 2] 

然後算法學習判定邊界方程，即：

feature_0 * weight_0 + 
feature_1 * weight_1 + 
feature_2 * weight_2 + 
feature_3 * weight_3 + 
bias 

現在我有一個測試集，其格式與上面描述的訓練集非常相似。根據我的決策邊界方程測試這些值的僞代碼是什麼，從而爲它們分配標籤？

我想這有點像（僞）：

For each word in the test set 
    if that word exists in the global dict 
     value = the frequency of that word * the learned weight 
      if value >= 0 
       return 1 
      else 
       return -1 

但我想捕捉該類整個特徵向量的，不只是一個字，所以我想它必須是一個總結？

Answer 1

不知道我是否正確理解你。訓練和測試集合需要具有相同的格式。爲了測試，您只需解出已知權重和特徵（您的測試集）的等式。

原則上，您應該共同生成測試和訓練數據，以確保它們儘可能相等 - 然後將它們分成兩組。根據如何設置決策邊界來生成測試數據（即標籤）是一個非常糟糕的想法：測試集的主要思想是根據未知數據邊界測試當前訓練的邊界。通過將知識引入系統，您的測試結果將嚴重反映準確性。