当前位置：首页 > news >正文

4.2 - 《机器学习基石》Home Work 1 Q.18-20

news 来源：原创 2024/5/13 8:04:57

2019独角兽企业重金招聘Python工程师标准>>>

第18题要求在第16题 Random PLA 算法的基础上使用 Pocket 算法对数据做二元划分。Pocket算法在第2篇文章介绍过，通常用来处理有杂质的数据集，在每一次更新 Weights（权向量）之后，把当前犯错最少的Weights放在pocket中，直至达到指定迭代次数(50次)，pocket中的Weights即为所求。然后用测试数据验证W(pocket)的错误率，进行2000次计算取平均。

#include <fstream>
#include <iostream>
#include <vector>
#include <ctime>

using namespace std;

#define DEMENSION 5                    //数据维度

int index = 0;                         //当前数据条目索引
int step = 0;                          //当前权向量更新次数
char *file = "training_data.txt";
char *file_test = "test_data.txt";

struct record {
	double input[DEMENSION];       //输入
	int output;                    //输出	
};



int sign(double x)
{
	//同Q16
}

//两个向量相加，更新第一个向量
void add(double *v1, double *v2, int demension)
{
	//同Q16
}

//两个向量相乘,返回内积
double multiply(double *v1, double *v2, int demension)
{
	//同Q16
}

//向量与实数相乘，结果通过*result返回，不改变参与计算的向量
void multiply(double *result, double *v, double num, int demension)
{
	//同Q16
}

//对 traininig set 创建一个随机排序
void setRandomOrder(vector<record> &trainingSet, vector<int> &randIndexes)
{
	//同Q16
}

//读取数据
void getData(ifstream & dataFile, vector<record> &data)
{
	//同Q16
}

//错误统计及Pocket向量更新
void errCountAndPocketUpdate(vector<record> &trainingSet, vector<int> &randIndexes, 
        double *weights, double *pocketWeights, double &trainingErrRate, int dataLength)
{
	int errCount = 0;
	double curTrainingErrRate = 1.0;

	for(int i=0;i<dataLength;++i){
		if(trainingSet[randIndexes[i]].output 
		    != sign(multiply(weights,trainingSet[randIndexes[i]].input,DEMENSION))){
			errCount++;	
		}	
	}

	curTrainingErrRate = double(errCount)/double(dataLength);

	if(curTrainingErrRate < trainingErrRate){
		trainingErrRate = curTrainingErrRate;	
		for(int j=0; j<DEMENSION; ++j){
			pocketWeights[j] = weights[j];	
		}	
	}
}


void Pocket(vector<record> &trainingSet, vector<int> &randIndexes, double *weights, 
        double *pocketWeights, double &trainingErrRate)
{
	int length = trainingSet.size();	
	double curInput[DEMENSION];	

	errCountAndPocketUpdate(trainingSet, randIndexes, weights, 
	    pocketWeights, trainingErrRate, length);
	    
        //找到下一个错误记录的index
	while( trainingSet[randIndexes[index]].output == 
	    sign(multiply(weights,trainingSet[randIndexes[index]].input,DEMENSION)) ){
		if(index==length-1)	{index = 0;}
		else				{index++;}
	}
	
	if(step<50){
		step++;
		
		//更新: weights = weights + curOutput * curInput
		multiply( curInput, trainingSet[randIndexes[index]].input, 
		    trainingSet[randIndexes[index]].output, DEMENSION );	
		add( weights, curInput, DEMENSION );	

		if(index==length-1)	{index = 0;}
		else			{index++;}

		Pocket(trainingSet, randIndexes, weights, pocketWeights, trainingErrRate);	
	}else{		
		return;
	}
}

//统计 W(pocket) 在测试数据集上的错误率
double getTestErrRate(vector<record> &testSet, double *pocketWeights, int dataLength)
{
	int errCount = 0;

	for(int i=0;i<dataLength;++i){
		if(testSet[i].output != 
		    sign(multiply(pocketWeights,testSet[i].input,DEMENSION))){
			errCount++;	
		}	
	}

	return double(errCount)/double(dataLength);
}


void main()
{
	double totalTestErrRate = 1.0;

	for(int i=0;i<2000;++i){

		double weights[DEMENSION];              //当前权重向量
		double pocketWeights[DEMENSION];        //当前最优权重向量
		vector<record> trainingSet;             //训练数据
		vector<record> testSet;                 //测试数据
		vector<int> randIndexes;                //访问数据的随机索引列表
		ifstream dataFile(file);
		ifstream testDataFile(file_test);
		double trainingErrRate = 1.0;           //训练集中的错误率[0.0, 1.0]
		double testErrRate = 1.0;               //测试集中的错误率[0.0, 1.0]

		step = 0;			   
		index = 0;			    

		if( dataFile.is_open() && testDataFile.is_open() ){
			getData(dataFile,trainingSet);	
			getData(testDataFile,testSet);	
			setRandomOrder(trainingSet,randIndexes);
		}else{
			cerr<<"ERROR ---> 文件打开失败"<<endl;
			exit(1);
		}

		for(int j=0;j<DEMENSION;++j){ 
			weights[j] = 0.0; 
			pocketWeights[j] = 0.0;
		}

		Pocket(trainingSet, randIndexes, weights, pocketWeights, trainingErrRate);

		testErrRate = getTestErrRate(testSet,pocketWeights,testSet.size());
		totalTestErrRate += testErrRate;

		cout<<"\n  ********************   第 "<<i+1
		<<" 次计算结束   *************************  \n"<<endl;
	}

	cout<<"Average Perportion = "<<totalTestErrRate/2000<<endl;
}