In this example we will be testing

In this example we will be testing Neuroph 2.4 with Hayes-Roth Data Set , which can be found : here. Several architectures will be tried out, and it will be determined which ones represent a good solution to the problem, and which ones do not.

First here are some useful information about our Hayes-Roth Data Set:
Data Set Characteristics: Multivariate
Number of Instances: 160
Attribute Characteristics: Categorical
Number of Attributes: 5
Associated Tasks: Classification



Introducing the problem

This database contains 5 numeric-valued attributes. Only a subset of 3 are used during testing (the latter 3)l.
Some instances could be placed in either category 0 or 1. I've followed the authors' suggestion, placing them in each category with equal probability. I've replaced the actual values of the attributes (i.e., hobby has values chess, sports and stamps) with numeric values. I think this is how the authors' did this when testing the categorization models described in the paper. I find this unfair. While the subjects were able to bring background knowledge to bear on the attribute values and their relationships, the algorithms were provided with no such knowledge. I'm uncertain whether the 2 distractor attributes (name and hobby) are presented to the authors' algorithms during testing. However, it is clear that only the age, educational status, and marital status attributes are given during the human subjects' transfer tests.

ผลลัพธ์ (ไทย) 1:

ในตัวอย่างนี้เราจะทดสอบ 2.4 Neuroph กับชุดข้อมูล Hayes Roth ซึ่งสามารถพบได้: ที่นี่ สถาปัตยกรรมหลายจะพยายามออก และจะกำหนดคนที่แก้ดีที่แสดงถึงปัญหา และคนที่ไม่ครั้งแรก นี่คือข้อมูลที่เป็นประโยชน์เกี่ยวกับชุดของเราข้อมูลเฮย์สรอด:ลักษณะข้อมูล: หลายตัวแปรข้อจำนวนของอินสแตนซ์: 160ลักษณะของแอตทริบิวต์: แตกหมายเลขของแอตทริบิวต์: 5งานที่เกี่ยวข้อง: การจัดประเภท แนะนำปัญหาฐานข้อมูลนี้ประกอบด้วย 5 ตัวเลขคุณลักษณะ เพียงชุดย่อยของ 3 จะใช้ในระหว่างการทดสอบ (3 หลัง) lบางครั้งอาจถูกวางในทั้งประเภท 0 หรือ 1 ฉันได้ปฏิบัติตามข้อเสนอแนะของผู้เขียน วางพวกเขาในแต่ละประเภท มีพอ ๆ กัน ฉันได้แทนค่าจริงของแอตทริบิวต์ (เช่น งานอดิเรก มีค่าหมากรุก กีฬาแสตมป์) ด้วยค่าตัวเลข ผมคิดว่า นี้เป็นวิธีที่ผู้เขียนไม่นี้เมื่อทดสอบแบบจำลองการจัดประเภทที่อธิบายไว้ในกระดาษ ฉันค้นหานี้ไม่เป็นธรรม ในขณะที่วัตถุได้มีการนำความรู้ไปในค่าแอตทริบิวต์และความสัมพันธ์ ขั้นตอนวิธีการไว้ ด้วยความไม่รู้ ผมไม่แน่ใจว่าแอตทริบิวต์ distractor 2 (ชื่อและงานอดิเรก) จะแสดงขั้นตอนวิธีของผู้เขียนในระหว่างการทดสอบ อย่างไรก็ตาม เป็นที่ชัดเจนว่า เท่าอายุ การศึกษาสถานะ และแอตทริบิวต์สถานภาพจะได้รับในระหว่างการทดสอบการถ่ายโอนของวัตถุมนุษย์

ผลลัพธ์ (ไทย) 2:

ในตัวอย่างนี้เราจะได้รับการทดสอบ Neuroph 2.4 กับเฮย์สโรทชุดข้อมูลซึ่งสามารถพบได้ที่นี่ หลายสถาปัตยกรรมจะพยายามออกและจะได้รับการพิจารณาว่าคนที่เป็นตัวแทนของการแก้ปัญหาที่ดีในการแก้ไขปัญหาและคนที่ทำไม่ได้. ครั้งแรกที่นี่มีบางข้อมูลที่เป็นประโยชน์เกี่ยวกับเฮย์สโรทชุดข้อมูลของเรา: ชุดข้อมูลลักษณะ: หลายตัวแปรอินสแตนซ์ : 160 ลักษณะแอตทริบิวต์: หมวดหมู่จำนวนแอตทริบิวต์: 5 ที่เกี่ยวข้องงาน: การจำแนกประเภทแนะนำปัญหาฐานข้อมูลนี้มี 5 คุณสมบัติที่เป็นตัวเลขมูลค่า เพียงส่วนย่อยของ 3 ถูกนำมาใช้ในระหว่างการทดสอบ (หลัง 3) ล. บางกรณีอาจจะอยู่ในประเภทใด 0 หรือ 1 ผมได้ทำตามข้อเสนอแนะของผู้เขียนวางไว้ในแต่ละหมวดหมู่มีโอกาสที่เท่าเทียมกัน ฉันได้ถูกแทนที่ด้วยค่าที่แท้จริงของคุณลักษณะ (เช่นงานอดิเรกที่มีค่าหมากรุก, กีฬาและแสตมป์) ที่มีค่าที่เป็นตัวเลข ผมคิดว่านี่เป็นวิธีการที่ผู้เขียน 'ทำอย่างนี้เมื่อการทดสอบรูปแบบการจัดหมวดหมู่ที่อธิบายไว้ในกระดาษ ผมพบว่าไม่เป็นธรรมนี้ ในขณะที่อาสาสมัครก็สามารถที่จะนำความรู้พื้นหลังจะทนอยู่กับค่าแอตทริบิวต์และความสัมพันธ์ของพวกเขาขั้นตอนวิธีการที่ถูกให้กับไม่มีความรู้ดังกล่าว ฉันไม่แน่ใจว่าคุณลักษณะรำคาญ 2 (ชื่อและงานอดิเรก) จะนำเสนอให้กับอัลกอริทึมของผู้เขียนในระหว่างการทดสอบ แต่ก็เป็นที่ชัดเจนว่ามีเพียงอายุสถานะการศึกษาและแอตทริบิวต์สถานภาพการสมรสจะได้รับในช่วงวิชามนุษย์ 'ทดสอบการถ่ายโอน