ผลต่างระหว่างรุ่นของ "01204435/haskell2"

จาก Theory Wiki
ไปยังการนำทาง ไปยังการค้นหา
แถว 132: แถว 132:
 
  [((-7.25968563254,-8.90106971694),-1),((10.0775476977,10.9047811515),1),((11.4787876953,8.53005080898),1)]
 
  [((-7.25968563254,-8.90106971694),-1),((10.0775476977,10.9047811515),1),((11.4787876953,8.53005080898),1)]
  
ในการแปลงดังกล่าว ฟังก์ชันสตริงที่อาจจะต้องใช้ เช่น ฟังก์ชัน lines และ ฟังก์ชัน words
+
ในการแปลงดังกล่าว ฟังก์ชันสตริงที่อาจจะต้องใช้ เช่น ฟังก์ชัน lines [http://hackage.haskell.org/packages/archive/base/latest/doc/html/Prelude.html#v:lines] และ ฟังก์ชัน words [http://hackage.haskell.org/packages/archive/base/latest/doc/html/Prelude.html#v:words]
 +
 
 +
ซึ่งใช้งานได้ดังตัวอย่างด้านล่าง

รุ่นแก้ไขเมื่อ 10:50, 4 กรกฎาคม 2556

เราจะอิมพลีเมนท์ Perceptron algorithm แบบง่าย (ข้อมูลมี 2 มิติ) บน Haskell

เราจะนิยามชนิดข้อมูล Vector เพื่อความสะดวกต่อไป

type Vector = (Double, Double)

ฟังก์ชันเกี่ยวกับเวกเตอร์

จริง ๆ แล้ว Haskell มีไลบรารีเกี่ยวกับเวกเตอร์ (ดู [1]) แต่เราจะเขียนเองเพื่อความง่ายและสะดวก

ด้านล่างเป็น type ของฟังก์ชัน dot (คำนวณ dot product), addVector และ negVector และตัวอย่าง

dot :: Vector -> Vector -> Double

ตัวอย่างฟังก์ชัน dot

*Main> dot (1,0) (1,0)
1.0
*Main> dot (1,0) (0,1)
0.0
*Main> dot (1,0.5) (0,1)
0.5
*Main> dot (1,0.5) (-1,2)
0.0
addVector :: Vector -> Vector -> Vector

ตัวอย่างฟังก์ชัน addVector

*Main> addVector (1,2) (3,-4)
(4,-2)
negVector :: Vector -> Vector

ตัวอย่างฟังก์ชัน negVector

*Main> negVector (10,-5)
(-10,5)

ทำนาย

1. เขียนฟังก์ชัน

predict :: Vector -> Vector -> Int

ที่รับเวกเตอร์ w และ x จากนั้นคืนผลการทำนาย (เป็น 1 หรือ -1)

ตัวอย่าง

*Main> predict (1,-1) (1,0)
1
*Main> predict (1,-1) (1,-1)
1
*Main> predict (1,-1) (0,1)
-1
*Main> predict (1,-1) (-1,1)
-1

2. เขียนฟังก์ชัน

predictAll :: Vector -> [Vector] -> [Int]

ที่รับ w และ list xs จากนั้นทำนายข้อมูลทุกตัวใน xs ให้ลองเขียนด้วยฟังก์ชัน map (ดูตัวอย่างที่ [2])

ตัวอย่าง

*Main> predictAll (1,-1) [(1,0), (1,-1), (0,1), (-1,1)]
[1,1,-1,-1]

ฝึกสอนด้วย perceptron algorithm

1. เขียนฟังก์ชัน trainOnce w x z

trainOnce :: Vector -> Vector -> Int -> Vector

ที่รับ weight w, input x และคลาสเฉลย z และคืนค่า weight vector w ใหม่ ตามที่ระบุใน perceptron algorithm

สังเกตว่าถ้า w สามารถจำแนก x ได้ถูกต้อง w จะไม่มีการปรับค่า

2. เขียนฟังก์ชัน train w xs

train :: Vector -> [(Vector,Int)] -> Vector

ตัวอย่าง

*Main> train (0,0) [((1,0),1), ((-1,1),-1), ((0,1),-1), ((1,-1),1)]
(1.0,0.0)

ที่รับ weight vector เริ่มต้น และ train ข้อมูลฝึกหัดที่อยู่ใน xs ทั้งหมด

การอ่าน input/output

เราจะเขียนฟังก์ชันที่ประมวลผล input / output โดยที่รับ input เป็นสตริง และคืนผลลัพธ์เป็น weight vector ก่อน จากนั้นเราถึงจะเขียนฟังก์ชันที่อ่านข้อมูลจากไฟล์จริงชื่อ trainFromFile ซึ่งฟังก์ชันดังกล่าวนี้จะมี type พิเศษ

แปลงจาก String เป็น Int และ Double

เราสามารถใช้ฟังก์ชัน read ได้ เช่น

*Main> read "100" :: Int
100
*Main> read "100.343" :: Double
100.343

หรืออาจจะเขียนฟังก์ชันได้ เช่น

strToInt s = (read s :: Int)

processInput

เขียนฟังก์ชัน processInput ที่รับสตริงในรูปแบบ

จำนวนข้อมูล
ข้อมูล1
ข้อมูล2
ข้อมูล3
...

โดยที่บรรทัดที่เป็นข้อมูล ประกอบไปด้วย Double สองตัวและ Int หนึ่งตัว เช่น

-7.25968563254 -8.90106971694 -1

โดยที่จำนวนจริงสองตัวแรกเป็นพิกัดของข้อมูล และ จำนวนเต็มตัวที่สามเป็นประเภทข้อมูล (มีค่าเป็น -1 หรือ 1)

และคืนค่าเป็นรายการของข้อมูลสำหรับส่งให้ฟังก์ชัน train

ตัวอย่างเช่น

*Main> processInput "3\n-7.25968563254 -8.90106971694 -1\n10.0775476977 10.9047811515 1\n11.4787876953 8.53005080898 1\n"
[((-7.25968563254,-8.90106971694),-1),((10.0775476977,10.9047811515),1),((11.4787876953,8.53005080898),1)]

ในการแปลงดังกล่าว ฟังก์ชันสตริงที่อาจจะต้องใช้ เช่น ฟังก์ชัน lines [3] และ ฟังก์ชัน words [4]

ซึ่งใช้งานได้ดังตัวอย่างด้านล่าง