はじめに

adalineとは
今回使用するデータ
実装

adalineとは

とてもわかりやすい記事があったので貼らせてもらいます。
いわゆるパーセトプロンの改良版ですね。
2.ADALINE

今回使用するデータ

今回は結構有名なirisのデータを使用します。
https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
こちらをダウンロードしておいてください。

実装

今回はpythonで実装したいと思います。授業の一環で自分であまり調べずに書いたので、関数化していなかったりする部分がありますがご了承ください。

adaline.py

import pandas as pd
import numpy as np
from matplotlib import pyplot as plt

df = pd.read_csv(‘iris-data.csv’,header=None)
df_new = df.drop(columns=[1,3])
df_new = df_new.replace(‘Iris-setosa’,0)
df_new = df_new.replace(‘Iris-versicolor’,1)
df_new

eta = 0.001
epoch = 100
cost_=[]
t = np.array(df_new[4])
X = np.array([df_new[0],df_new[2]]).T
w = np.random.normal(0.0, 0.01, size=X.shape[1] + 1)

# 重みの初期値の確認
print(w)

for I in range(epoch):
        input_ = np.dot(X,w[1:])+w[0]
        predict = np.where(input_>= 0, 1, 0)
        errors = t - predict

        # 重みに更新
        w[1:] += eta * np.dot(errors,X)
        w[0] += eta * errors.sum()

        # コスト関数の計算
        cost = (errors**2).sum() / 2.0
        cost_.append(cost)

# 重みの確認
print(w)


# とりあえずプロット        
x_a = range(4,8)
y_a = [-(w[1]/w[2])*xi-(w[0]/w[2]) for xi in x_a]
plt.scatter(df_new.iloc[:50,0],df_new.iloc[:50,1],label = ‘Iris-versicolor’)  
plt.scatter(df_new.iloc[50:,0],df_new.iloc[50:,1],label = ‘Iris-setosa’)
plt.ylabel(“petal length[cm]”)
plt.xlabel(“sepal length[cm]”)
plt.plot(x_a,y_a)
plt.legend()
plt.show()

ほとんど逐次処理で書いていますが、うまくグラフがプロットされています。自分的にもadalineの理解を深めることができたのでよかったです。

最後に

いかがだったでしょうか？あまりきれいなコードではありませんが、pythonも書いているということで載せてみました。今後はもっとレベルの高いものを載せていきたいと思います。