Appels en bananen

Je neuron leerde EN uit vier voorbeelden met nullen en enen. Een neuron kan ook met grotere getallen werken, zoals de maten van fruit uit fase B. Dan leert het iets wat geen logische regel is: welk fruit dit is.

Voorspel

def neuron(invoer, gewichten, bias):
    som = bias
    for i in range(len(invoer)):
        som = som + invoer[i] * gewichten[i]
    if som > 0:
        return 1
    return 0

print(neuron([18, 4], [1, -1], 0))
print(neuron([8, 8], [1, -1], 0))

De invoer is de lengte en de breedte van een stuk fruit, in centimeters. Wat print dit programma?

Antwoord

1
0

Met gewichten [1, -1] is de som de lengte min de breedte. Bij 18 bij 4 is dat 14, bij 8 bij 8 is het 0. Dit neuron zegt 1 bij alles wat langer is dan breed.

Zo werkt het

Een neuron rekent alleen met getallen, dus de soort wordt een getal: een banaan is 1, een appel 0. De maten staan in een lijst, net als de invoer van het EN-neuron:

fruit = [
    ([8, 8], 0), ([9, 8], 0), ([7, 7], 0), ([8, 7], 0),
    ([18, 4], 1), ([20, 4], 1), ([17, 3], 1), ([19, 4], 1),
]

Het leren gaat zoals bij EN. Alleen schuiven de gewichten nu met grotere stappen, want elk gewicht krijgt er de fout keer zijn invoer bij, en die invoer is nu bijvoorbeeld 18.

Opdracht: appels en bananen

Laat het neuron tien rondes leren op het fruit, en test het daarna met twee stukken fruit die het nooit zag:

[10, 7] -> 0
[15, 5] -> 1

Begin klein, en breid de code stap voor stap uit:

1. Draai de code: hij rekent de fout uit voor de eerste banaan. Het neuron zegt nog 0, dus de fout is 1.
2. Stel de gewichten en de bias bij met die fout, zoals bij bijstellen, en print ze. Je krijgt [18, 4] en 1.
3. Zet het bijstellen in een loop over al het fruit, en print de gewichten en de bias na de loop.
4. Zet die loop in een loop van tien rondes.
5. Test het neuron met de twee nieuwe stukken fruit.

In de editor staan het fruit en de eerste stap van het leren. neuron staat in de verborgen code onder de editor.

Python

Code-omgeving wordt voorbereid…

Tip

Stelt hij in stap 3 niets meer bij? Kijk of fout in de loop opnieuw wordt uitgerekend, voor elk stuk fruit, en niet alleen voor fruit[4] erboven.

Antwoord

Dit vervangt de laatste drie regels in de editor:

for ronde in range(10):
    for invoer, doel in fruit:
        fout = doel - neuron(invoer, gewichten, bias)
        for i in range(len(invoer)):
            gewichten[i] = gewichten[i] + fout * invoer[i]
        bias = bias + fout

print(gewichten, bias)
print("[10, 7] ->", neuron([10, 7], gewichten, bias))
print("[15, 5] ->", neuron([15, 5], gewichten, bias))

[11, -16] -1
[10, 7] -> 0
[15, 5] -> 1

Het neuron leert gewichten [11, -16]: een lang stuk fruit telt voor banaan, een breed stuk tegen. Bij k-NN uit fase B moest de voorspeller alle voorbeelden onthouden. Het neuron onthoudt alleen drie getallen.

Vertrouw er nog niet te veel op. Een appel van 11 bij 7 noemt dit neuron al een banaan: de som is 8. Met acht voorbeelden en twee testen weet je weinig. Daar heb je eerlijk testen voor, met veel meer stukken fruit.

Door naar bekijk de grens.