感知器在线培训（scikit-learn）

Question

我编写了一个简单的程序来分类一组线性可分的 2D 随机点。我使用了一个感知器，并用 fit 方法对其进行了训练。现在我想一次训练感知器，每次使用更新的权重绘制超平面（在这种情况下为一条线）。我想要获得的是一个动画，它显示了线条如何变得越来越精确地划分集合。 fit 方法取整个训练集，partial_fit 呢？我可以创建一个循环，每次都用一对新的输入/输出输入方法，并连续读取 coef_ 和 intercept_？

我在这里阅读了http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.SGDClassifier.html 的文档，但我对如何实现它有一些疑问。

编辑 1

感谢 Vivek Kumar，我在我的代码中实现了 partial_fit 方法。该程序创建 2 组坐标，并且对于每对坐标产生一个输出，如果该点在一条线上，则为 1，如果它在线下，则为 -1。该代码适用于 fit 方法，但此版本在数据形状方面存在一些问题。我尝试将 reashape 用于 X 数据而没有任何改进。

import numpy as np
import matplotlib.pyplot as plt

def createLinearSet(nCamp, mTest, qTest):

    y_ = []
    X_ = np.random.rand(nCamp, 2)*20-10

    for n in range(nCamp):

        if X_[n][1] >= mTest*X_[n][0]+qTest :
            y_.append(1)
        else:
            y_.append(-1)

    return X_, y_

########################################################################
# VARIABLES
iterazioni = 100
eta = 0.6
y = []
error = []

########################################################################
# CREATING DATA SET
m_test = -2
q_test = 3
n_camp = 100

X, y = createLinearSet(n_camp, m_test, q_test)

########################################################################
# 70 % training data and 30 % test data
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.3,           random_state = 0)

########################################################################
# Data normalization
from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
sc.fit(X_train)                       # Calcola la media dei campioni e la deviazione standard
X_train_std = sc.transform(X_train)   # Normalizza i dati di test e di addestramento
X_test_std = sc.transform(X_test)     # NB. uso media e deviazione dei dati di add. per entrambi,  
                                      #     così sono confrontabili
########################################################################
# Perceptron initialization
from sklearn.linear_model import Perceptron
ppn = Perceptron(n_iter = iterazioni, eta0 = eta, random_state = 0)

########################################################################
# Online training
num_samples = X_train_std.shape[0]
classes_y =  np.unique(y_train)

X_train_std = X_train_std.reshape(-1, 2)

for i in range(num_samples):
    ppn.partial_fit(X_train_std[i], y_train[i], classes = classes_y )

########################################################################
# Using test data for evaluation
y_pred = ppn.predict(X_test_std)

########################################################################
# Previsions accuracy
from sklearn.metrics import accuracy_score
accuracy = accuracy_score(y_test, y_pred) * 100

print("Accuracy: {} %".format(round(accuracy,2)))

print(ppn.coef_, ppn.intercept_) 

如您所见，问题出在“在线培训”部分。错误是：

/usr/local/lib/python3.5/dist-packages/sklearn/utils/validation.py:395: DeprecationWarning: Passing 1d arrays as data is deprecated in 0.17 and will raise ValueError in 0.19. Reshape your data either using X.reshape(-1, 1) if your data has a single feature or X.reshape(1, -1) if it contains a single sample.

根据文档，X 必须是： X : {array-like, sparse matrix}, shape (n_samples, n_features)

如果我打印 X 的单个样本，则输出为： [-0.25547959 -1.4763508]

错误在哪里？

编辑 2

将X_train_std[i].reshape(1,-1) 行放入循环中，它会给我以下信息： Traceback (most recent call last): File "Perceptron_Retta_Online.py", line 57, in <module> ppn.partial_fit(X_train_std[i].reshape(1,-1), y_train[i], classes = classes_y ) File "/usr/local/lib/python3.5/dist-packages/sklearn/linear_model/stochastic_gradient.py", line 512, in partial_fit coef_init=None, intercept_init=None) File "/usr/local/lib/python3.5/dist-packages/sklearn/linear_model/stochastic_gradient.py", line 344, in _partial_fit X, y = check_X_y(X, y, 'csr', dtype=np.float64, order="C") File "/usr/local/lib/python3.5/dist-packages/sklearn/utils/validation.py", line 526, in check_X_y y = column_or_1d(y, warn=True) File "/usr/local/lib/python3.5/dist-packages/sklearn/utils/validation.py", line 562, in column_or_1d raise ValueError("bad input shape {0}".format(shape)) ValueError: bad input shape ()

Answer 1

大多数 scikit 估算器同时处理完整数据，即。当您调用 fit() 方法时，旧的训练（权重、系数等）会丢失，并且模型仅适用于新数据。

所以要像你说的那样实现它，你是正确的，“我做了一个循环，每次我用一对新的输入/输出提供方法，并连续读取 coef_ 和 intercept_”，但有一点改变。您需要提供所有先前的值和新的单个值，而不是提供新的一对输入/输出。

为了说明我的观点，您可以执行以下操作（这有点伪代码，因此请阅读 cmets）：

X = your_input
y = your_output
num_samples = X.shape[0]
for i in range(num_samples):

    # 1) This is necessary to initialize a new estimator everytime
    numpy.random.seed

    # 2) This is necessary to initialize a new estimator everytime
    estimator = MLPClassifier() OR SGDClassifier() OR ...

    # 3) Call fit on data from 0 to current index i
    estimator.fit(X[:i+1], y[:i+1])

    # Read the following values and do what you want
    estimator.coeff_ OR estimator.intercept_

说明： 1）在循环内设置随机种子参数，以便在所有循环中初始化相同（相同值）的权重。见第 2 点。

2) 每次都初始化新对象，而不是使用相同的对象（在循环外初始化），因此分配给它的初始权重是随机的（并且由于第 1 点而固定）。

3) 使用从 0 到当前索引的所有值来学习你想要的。对于第一个循环，它只有第一个值（索引 0），对于第二个循环，它的第一个和第二个值，依此类推...

这种方法适用于所有 scikit-estimators，但由于重复训练相同的数据点，需要花费大量时间（如果数据非常大）。

替代方案： 当您链接 SGDClassifier 时，我假设您可能对在线学习或核心外学习感兴趣，这完全符合您的要求。但并非所有估算者都能做到这一点。只有listed in the official documentation 的估算器才能做到这一点。

他们实现了partial_fit() 方法，这正是您想要的。所以对他们来说，代码是这样的：

X = your_input
y = your_output
num_samples = X.shape[0]

estimator = SGDClassifier() OR ... (which implements partial_fit())

for i in range(num_samples):

    estimator.fit(X[i], y[i])

    estimator.coeff_ OR estimator.intercept_

希望它清除并给你一个方法来做到这一点。如果需要帮助，请随时询问。