private static void ZrobKlasyfikacje()
{
DaneKlasyfikacja doNauki = new DaneKlasyfikacja();
doNauki.Wczytaj(sciezkaKlasyfikacjaTreningowe);
BasicNetwork siec = UtworzSiecDoKlasyfikacji();
IMLDataSet dataTrening = UczSiec(siec, doNauki);
// testuje siec na danych treningowych
for (int i = 0; i < dataTrening.Count; i++)
{
IMLData wynik = siec.Compute(dataTrening[i].Input);
doNauki.klasyWy.Add(wynik[0]);
}
doNauki.EksportujDoPliku(sciezkaKlasyfikacjaTreningoweWyniki);
// testuje siec na danych testowych
DaneKlasyfikacja doTestow = new DaneKlasyfikacja();
doTestow.Wczytaj(sciezkaKlasyfikacjaTestowe);
IMLDataSet dataTest = new BasicMLDataSet(doTestow.punkty.ToArray(), doTestow.klasyWej.ToArray());
for (int i = 0; i < dataTest.Count; i++)
{
IMLData wynik = siec.Compute(dataTest[i].Input);
doTestow.klasyWy.Add(wynik[0]);
}
doTestow.EksportujDoPliku(sciezkaKlasyfikacjaTestoweWyniki);
}
static IMLDataSet UczSiec(BasicNetwork siec, DaneKlasyfikacja doNauki, double wspolczynnikNauki = 0.003, double bezwladnosc = 0.01) //Wspolczynniki domyslne wybrane tak zeby chociaz dzialalo jakkolwiek
{
IMLDataSet dataSet = new BasicMLDataSet(doNauki.punkty.ToArray(), doNauki.klasyWej.ToArray());
List <double> bledyTreningu = new List <double>();
IMLTrain train = new Backpropagation(siec, dataSet, wspolczynnikNauki, bezwladnosc);
int iter = 1;
int maxIter = 5000;
do
{
train.Iteration();
Console.WriteLine("Iteracja #{0} Blad {1:0.0000}", iter, train.Error);
bledyTreningu.Add(train.Error);
iter++;
} while (train.Error >= 0.03 && iter < maxIter);
EksportujBledyTreningu(sciezkaKlasyfikacjaBledyTreningu, bledyTreningu);
train.FinishTraining();
return(dataSet);
}