用列相似性预判分类结果

( A, B )---2*30*2---( 1, 0 )( 0, 1 )

用网络分类A和B,让A是(0,1)(1,0),让B是(1,1)(1,1)。测试集为(0,0)(0,1)(1,0)(1,1).记为网络1233.

A

B

0

1

1

1

1

0

1

1

0

0

0.5

0.5

0

0

0

1

0.5

0.5

0

1

1

0

0.5

0.5

1

0

1

1

0.5

0.5

1

1

比较两列相似性,(0,0)相对A的相似性为0.5,0.5,相对的B为0,0.因此更像A。而(1,1)相对A的相似性为0.5,0.5,相对B为1,1,因此应该被分为B。

而(0,1)相对A为0.5,0.5,相对B为0,1.因为0.5+0.5=0+1那(0,1)应该被分为A还是B。同样(1,0)的AB两列相似性也是相同的。

为此实验,固定收敛误差统计迭代次数和分类准确率得到表格

0

1

1

1

1b

k

1

0

1

1

k

1b

1*2*3*3

f2[0]

f2[1]

迭代次数n

平均准确率p-ave

1-0

0-1

δ

耗时ms/次

耗时ms/199次

耗时 min/199

8.99E-04

0.999101

72670.4

0.5

0.75

0.25

9.00E-04

499.302

99361

1.65602

7.99E-04

0.999201

79007.2

0.5

0.75

0.25

8.00E-04

539.101

107297

1.78828

6.99E-04

0.999301

86784.1

0.5

0.75

0.25

7.00E-04

596.518

118707

1.97845

5.99E-04

0.999401

97833.1

0.5

0.75

0.25

6.00E-04

661.261

131591

2.19318

0.01054

0.98946

110033

0.5

0.75

0.25

5.00E-04

752.844

149816

2.49693

统计收敛误差为5e-4时的分类情况

A

199

B

0

0

0

0

0

0

1

0

1

1

0

1

2

1

0

2

1

0

3

1

1

3

1

1

所有的199次分类0,1,2都被分成了A。因此仅就相似性来说0.5+0.5>0+1.

为验证这个0.5+0.5>0+1的假设做第二个网络,让A是(1,1)(0,0),让B是(0,0)(0,0)测试集不变

A

B

1

1

0

0

0

0

0

0

0

0

0.5

0.5

1

1

0

1

0.5

0.5

1

0

1

0

0.5

0.5

0

1

1

1

0.5

0.5

0

0

用两列相似性的判断方法(0,0)应该被分为B,(1,1)应该被分为A。按照0.5+0.5>0+1的判断(0,1)和(1,0)都应该被分为A。统计得到表格

1

1

0

0

1

1

0

0

0

0

0

0

3000

f2[0]

f2[1]

迭代次数n

平均准确率p-ave

1-0

0-1

δ

耗时ms/次

耗时ms/199次

耗时 min/199

0.999103

8.98E-04

26586.5

0.5

0.75

0.25

9.00E-04

172.859

34399

0.57332

0.999202

7.98E-04

29410.1

0.5

0.75

0.25

8.00E-04

190.824

37974

0.6329

0.999302

6.98E-04

33160.3

0.5

0.75

0.25

7.00E-04

213.905

42567

0.70945

0.999402

5.99E-04

37948.5

0.5

0.75

0.25

6.00E-04

243.608

48478

0.80797

0.999501

4.99E-04

44487.7

0.5

0.75

0.25

5.00E-04

290.176

57745

0.96242

统计收敛误差为5e-4时的分类情况

A

199

B

0

0

0

0

0

0

1

0

1

1

0

1

2

1

0

2

1

0

3

1

1

3

1

1

所有199次1,2,3都被分为A。

同样用这种0.5+0.5>0+1的判断方法,网络1200的分类结果和3000的相同

0

1

0

0

0

1

1

0

0

0

1

0

1200

f2[0]

f2[1]

迭代次数n

平均准确率p-ave

1-0

0-1

δ

耗时ms/次

耗时ms/199次

0.999101

8.98E-04

27100.7

0.5

0.75

0.25

9.00E-04

176.251

35074

0.999201

7.99E-04

30165.7

0.5

0.75

0.25

8.00E-04

193.874

38581

0.999301

6.99E-04

33560.9

0.5

0.75

0.25

7.00E-04

215.859

42956

0.999401

5.99E-04

38589.7

0.5

0.75

0.25

6.00E-04

247.93

49338

0.999501

4.99E-04

45131

0.5

0.75

0.25

5.00E-04

289.196

57566

A

199

B

0

0

0

0

0

0

1

0

1

1

0

1

2

1

0

2

1

0

3

1

1

3

1

1

当收敛误差为5e-4的时候1,2,3都被分给了A。

网络3033的分类结果和1233相同

1

1

1

1

k

k

0

0

1

1

1b

1b

3*0*3*3

f2[0]

f2[1]

迭代次数n

平均准确率p-ave

1-0

0-1

δ

耗时ms/次

耗时ms/199次

0.9991

8.95E-04

44938.4

0.5

0.75

0.25

9.00E-04

303.3266

60362

0.9992

7.96E-04

52868.3

0.5

0.75

0.25

8.00E-04

348.1206

69276

0.9993

6.95E-04

64281.7

0.5

0.75

0.25

7.00E-04

422.7186

84121

0.9994

5.97E-04

79758.8

0.5

0.75

0.25

6.00E-04

523.1508

104107

0.9995

4.97E-04

99725.6

0.5

0.75

0.25

5.00E-04

658.201

130982

A

B

0

0

0

0

0

0

1

0

1

1

0

1

2

1

0

2

1

0

3

1

1

3

1

1

当收敛误差为5e-4的时候所有199次0,1,2都被分给了A。

或许0.5+0.5>0+1表达的是如果AB两列相似性相同,选择标准差小的,这样的相似性或许更均衡。

你可能感兴趣的:(用分类实现衰变,列相似性,均衡,应用化学)