def entrena(conjunto,
resultados,
clases,
n_epochs,
rate_inicial,
pesos_iniciales,
rate_decay,
summary=None):
pesos = None
rate = rate_inicial
if pesos_iniciales == None:
pesos = clasificador.genera_pesos(len(conjunto[0]))
else:
pesos = pesos_iniciales
epoch = 0
n_errors = 1
while epoch < n_epochs and n_errors != 0:
n_errors = 0
for index in range(0, len(conjunto)):
prediccion = clasificador.calcular_prediccion(conjunto[index],
pesos,
clases,
is_sigma=False)
if prediccion != resultados[index]:
n_errors += 1
pesos = ajusta_pesos(
conjunto[index], pesos,
clasificador.busca_resultado(resultados[index], clases), rate)
if rate_decay:
rate = clasificador.decaer_ratio(rate_inicial, epoch)
if summary != None:
summary.add_epoch(n_errors / len(conjunto))
epoch += 1
return pesos
def generar_conjunto_aleatorio(rango,
dim,
tam,
separable=True,
clases=None,
pesos=None):
hiperplano = None
if pesos is None:
hiperplano = Clasificador.genera_pesos(dim)
else:
hiperplano = pesos
conjunto = []
soluciones = []
for i in range(0, tam):
atributos = []
for j in range(0, dim):
atributos.append(random.randint(-rango, rango))
prediccion = Clasificador.calcular_prediccion(atributos,
hiperplano,
None,
is_sigma=False)
conjunto.append(atributos)
if clases != None:
soluciones.append(clases[prediccion])
else:
soluciones.append(prediccion)
if not separable:
soluciones = altera_soluciones(soluciones, rango)
return (hiperplano, conjunto, soluciones)
def clasifica(self, ej):
conjunto = ej
if self.normaliza:
conjunto = clasificador.normalizar_elemento(
ej, self.media, self.desviacion)
return clasificador.calcular_prediccion(conjunto,
self.pesos,
self.clases,
is_sigma=False)