Professional Documents
Culture Documents
Ambiente
soleado nublado lluvioso
1 0 0
1 0 0
0 1 0
0 0 1
0 0 1
0 0 1
1
Árbol realizado con el applet de http://www.cs.ubc.ca/nest/lci/CIspace/Version4/dTree/.
0 1 0
1 0 0
1 0 0
0 0 1
1 0 0
0 1 0
0 1 0
0 0 1
Temperatura
alta moderada baja
1 0 0
1 0 0
1 0 0
0 1 0
0 0 1
0 0 1
0 0 1
0 1 0
0 0 1
0 1 0
0 1 0
0 1 0
1 0 0
0 1 0
Humedad
alta baja
1 0
1 0
1 0
1 0
0 1
0 1
0 1
1 0
0 1
0 1
0 1
1 0
0 1
1 0
Viento
fuerte débil
0 1
1 0
0 1
0 1
0 1
1 0
1 0
0 1
0 1
0 1
1 0
1 0
0 1
1 0
Jugar Tenis
0
0
1
1
1
0
1
0
1
1
1
1
1
0
Primero se ha decidido utilizar una red que consta de 1 capa oculta formada
por 3 neuronas y una sola neurona de salida; la función de activación que se
utilizó para la primera capa es la función logística y la función para la segunda
capa es la función identidad; la red se entrenó con el método del gradiente y se
han producido las siguientes salidas:
simulada
salida Jugar tenis
0,0016799 0
-0,043144 0
10.221 1
0,927 1
0,99134 1
-0,0034466 0
0,98245 1
0,041324 0
0,99889 1
10,448 1
0,97676 1
0,96479 1
10,514 1
0,0066269 0
Los resultados obtenidos por la red son los presentados al lado izquierdo de la
anterior tabla, mientras que los datos del lado derecho se han hecho según la
siguiente regla:
Salida
Deseada Simulada
0 0
0 0
1 1
1 1
1 1
0 0
1 1
0 0
1 1
1 1
1 1
1 1
1 1
0 0
Salidas
s n
0 1
0 1
1 0
1 0
1 0
0 1
1 0
0 1
1 0
1 0
1 0
1 0
1 0
0 1
Entrenando de nuevo la red ahora con estos datos y con los mismos
parámetros de entrenamiento se obtienen las siguientes salidas:
Salidas
s n
0 1
0 1
1 0
1 0
1 0
0 1
1 0
0 1
1 0
1 0
0 1
1 0
1 0
0 1
Salidas
dato Deseada Simulada
s n S n
1 0 1 0 1
2 0 1 0 1
3 1 0 1 0
4 1 0 1 0
5 1 0 1 0
6 0 1 0 1
7 1 0 1 0
8 0 1 0 1
9 1 0 1 0
10 1 0 1 0
11 1 0 0 1
12 1 0 1 0
13 1 0 1 0
14 0 1 0 1
Se debe entonces analizar que tal se comporta una red si el problema es más
complejo.
1) Hair
2) Feathers
3) Eggs
4) Milk
5) Airborne
6) Aquatic
7) Predator
8) Teeth
9) Backbone
2
Tomado de http://www.cs.ubc.ca/nest/lci/CIspace/Version4/dTree/
10)Breathes
11) Venemous
12)Fins
13)Legs
14)Tails
15)Domestic
16)Catsize
3
Árbol generado con el applet de la página http://www.cs.ubc.ca/nest/lci/CIspace/Version4/dTree/
4
Resultados obtenidos de la página http://www.cs.ubc.ca/nest/lci/CIspace/Version4/dTree/
Para resolver este problema por medio de redes neuronales se ha decidido
entrenarlas por medio de MatLab de manera análoga al ejemplo anterior, con el
método de entrenamiento del gradiente mejorado (traingda) debido a que al
entrenar la red con el método trainlm se obtiene el error de que la matriz de
entrada de los datos esta mal condicionada, es decir que es casi singular.
Conclusiones
• Al observar los errores generados por las redes neuronales se puede ver
que se obtienen los errores más pequeños cuando las salidas son
continuas que cuando son discretas; por lo tanto, en algunas ocasiones
el trasladar los datos del espacio en que se encuentran a uno de mayor
dimensión puede provocar que el problema se vuelva mas complicado
de resolver para la red, debido a que , si bien se tiene mayor libertad, se
debe ahora entrenar la red para que se acomode a una mayor cantidad
de restricciones; luego, debe hacerse esta transformación siempre y
cuando se esté suficientemente seguro que en este espacio el problema
se facilitará y por consiguiente la solución se obtendrá de una manera
más sencilla.