Clasificador Perceptrón Multicapa

Un perceptrón multicapa (MLP) es un modelo de red neuronal artificial predictiva

que mapea los conjuntos de datos de entrada en un conjunto de salidas
apropiadas.

Parámetros del Constructor

 $ inputLayerFeatures (int): el número de características de la capa de entrada

 $ hiddenLayers (array) - array con la configuración de capas ocultas, cada valor
representa el número de neuronas en cada capa
 $ classes (array) - array con las diferentes clases de conjuntos de entrenamiento (las
claves de array se ignoran)
 $ iterations (int) - número de iteraciones de entrenamiento
 $ learningRate (float) - la tasa de aprendizaje
 $ activationFunction (ActivationFunction) - función de activación neuronal

use Phpml\Classification\MLPClassifier;

$mlp = new MLPClassifier(4, [2], ['a', 'b', 'c']);

// 4 nodes in input layer, 2 nodes in first hidden layer and 3 possible labels.

Tren

Para entrenar un MLP, simplemente proporcione muestras de trenes y etiquetas

(como matriz). Ejemplo:

$mlp->train(

$samples = [[1, 0, 0, 0], [0, 1, 1, 0], [1, 1, 1, 1], [0, 0, 0, 0]],

$targets = ['a', 'a', 'b', 'c']

);

Use el método de entrenamiento parcial para entrenar en tandas. Ejemplo:

$mlp->partialTrain(

$samples = [[1, 0, 0, 0], [0, 1, 1, 0]],

 $targets = ['a', 'a']

);

$mlp->partialTrain(

$samples = [[1, 1, 1, 1], [0, 0, 0, 0]],

$targets = ['b', 'c']

);

Puede actualizar la velocidad de aprendizaje entre ejecuciones de partialTrain:

$mlp->setLearningRate(0.1);

Predecir

Para predecir el uso de etiqueta de muestra, pronostique el método. Puede

proporcionar una muestra o una matriz de muestras:

$mlp->predict([[1, 1, 1, 1], [0, 0, 0, 0]]);

// return ['b', 'c'];

Funciones de activación

 BinaryStep
 Gaussiano
 HyperbolicTangent
 Unidad lineal rectificada paramétrica
 Sigmoid (predeterminado)
 Unidad Lineal Rectificada Thresholded