Perceptron

概要

この演算子は、分離超平面（存在する場合）を見つけるシングルパーセプトロンと呼ばれる線形分類器を学習します。この演算子は多項式属性を処理できません。

詳細

パーセプトロンは、1957年にフランクローゼンブラットによって発明された人工ニューラルネットワークの一種です。これは、最も単純な種類のフィードフォワードニューラルネットワーク、つまり線形分類器と見なすことができます。すべての生物学的類推に加えて、単層パーセプトロンは、単純な更新ルールによって効率的に訓練される単なる線形分類器です。すべての誤って分類されたデータポイントについて、重みベクトルは対応するサンプル値によって増加または減少します。次の段落では、ニューラルネットワークとフィードフォワードニューラルネットワークに関する基本的な考え方について説明します。

通常ニューラルネットワーク（NN）と呼ばれる人工ニューラルネットワーク（ANN）は、生物学的ニューラルネットワークの構造と機能の側面に触発された数学モデルまたは計算モデルです。ニューラルネットワークは相互接続された人工ニューロンのグループで構成され、計算へのコネクショニストアプローチを使用して情報を処理します（中心的なコネクショニストの原理は、精神現象は単純で、しばしば均一なユニットの相互接続ネットワークで記述できるということです）。ほとんどの場合、ANNは、学習段階でネットワークを流れる外部または内部情報に基づいて構造を変更する適応システムです。通常、最新のニューラルネットワークは、入力と出力の間の複雑な関係をモデル化したり、データのパターンを見つけるために使用されます。

フィードフォワードニューラルネットワークは、ユニット間の接続が有向サイクルを形成しない人工ニューラルネットワークです。このネットワークでは、情報は入力ノードから非表示ノード（存在する場合）を経由して出力ノードに向かって一方向にのみ移動します。ネットワークにはサイクルやループはありません。より高度なニューラルネットを使用する場合は、ニューラルネット演算子を使用してください。

入力

トレーニングセット（IOObject）入力ポートにはExampleSetが必要です。これは、添付のプロセス例のRetrieveオペレーターの出力です。他の演算子の出力も入力として使用できます。

出力

モデル（Hyperplane Model）Hyperplaneモデルは、この出力ポートから提供されます。このモデルは、ラベル属性の予測のために、見えないデータセットに適用できるようになりました。
サンプルセット（IOObject）入力として指定されたExampleSetは、このポートを介して出力に変更せずに渡されます。これは通常、別の演算子で同じExampleSetを再利用するため、または結果ワークスペースでExampleSetを表示するために使用されます。

パラメーター

roundsこのパラメーターは、超平面の適合に使用するデータスキャンの数を指定します。範囲：整数
learning_rateこのパラメーターは、各ステップで重みを変更する量を決定します。 0であってはなりません。超平面は、このレートで各例に適応します。範囲：実数

チュートリアルプロセス

パーセプトロン演算子の概要

「Ripley」データセットは、Retrieve演算子を使用してロードされます。ここにブレークポイントが挿入されるため、パーセプトロン演算子を適用する前にデータセットを確認できます。このデータセットには、att1とatt2の2つの通常の属性があることがわかります。 label属性には、1と0の2つの可能な値があります。Perceptron演算子は、このExampleSetに適用されます。すべてのパラメーターはデフォルト値で使用されます。ラウンドパラメーターは3に設定され、学習率パラメーターは0.05に設定されます。プロセスの実行後、結果ワークスペースで結果の超平面モデルを確認できます。