質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

87.49%

akdiiijjmmmmw

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 840
退会済みユーザー

退会済みユーザー

多クラスパーセプトロンを作りたいです

jupyter notebook で多クラス用のパーセプトロンを作っているのですが
インスタンス化してfitを行うと以下のエラーが出ます。
どのようにデバッグすれば良いのか教えて頂ければ幸いです。

発生している問題・エラーメッセージ

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-120-a264e9c7b927> in <module>
      1 lrn = Logistic_Regression_n(max_iter=100, learning_rate=0.01)
----> 2 lrn.fit(X_train, y_train)
      3 lrn.score(X_test, y_test)

<ipython-input-118-ea3a409bb553> in fit(self, X, y)
     53                     k_classified = True
     54                     for k in range(len(X[0])):
---> 55                         delta_w[j][k] = (Y[i][j] - self.f(X[i])[j]) * X[i][k] * self.learning_rate * (1 - epoch / self.max_iter)
     56                         self.w[j][k] += delta_w[j][k]
     57                         if not all(delta_w) == 0:

<ipython-input-118-ea3a409bb553> in f(self, X)
     21 
     22     def f(self, X):
---> 23         return self.softmax(list(np.array(np.dot(self.w, X)) + np.array(self.b)))
     24 
     25     #クラスを表すyは0以上の整数のリスト

ValueError: setting an array element with a sequence.

該当のソースコード

#多クラス分類のロジスティック回帰
class Logistic_Regression_n():
    def __init__(self, max_iter, learning_rate):
        self.max_iter = max_iter
        self.learning_rate = learning_rate
        self.w = [[0]*len(X[0])]*(max(y) + 1)
        self.b = [0]*(max(y) + 1)

    def softmax(self, X):
        num = 0
        for i in range(len(X)):
            num += np.exp(X[i])
        ans = []
        for i in range(len(X)):
            ans.append(np.exp(X[i]) / num)
        return ans

    def ans(self, X):
        ls = self.f(X)
        return ls.index(max(ls))         

    def f(self, X):
        return self.softmax(list(np.array(np.dot(self.w, X)) + np.array(self.b)))

    #クラスを表すyは0以上の整数のリスト
    def fit(self, X, y):
        Y = [[]]*(len(X))
        for i in range (len(X)):
            for j in range (max(y) + 1):
                Y[i].append(1 * (y[i] == j))
        delta_w = [[0]*len(X[0])]*(max(y) + 1)
        delta_b = [0]*(max(y) + 1)
        ls = []
        X_copy = []
        y_copy = []
        for i in range (len(X)):
            ls.append(i)
            X_copy.append(i)
            y_copy.append(i)
        #局所最適解に陥らないように学習率が段々小さくなるように実装した
        for epoch in range (self.max_iter):
            #勾配降下法を用いるとΣ(yーans(x))を求めなければならなくなり、計算量が増えるので確率的勾配降下法を用いた
            shuffle(ls)
            for i in range (len(X)):
                X_copy[i] = X[ls[i]]
                y_copy[i] = y[ls[i]]
            X = X_copy
            y = y_copy
            classified = True
            for i in range(len(X)):
                for j in range(max(y) + 1):
                    wk_classified = True
                    k_classified = True
                    for k in range(len(X[0])):
                        delta_w[j][k] = (Y[i][j] - self.f(X[i])[j]) * X[i][k] * self.learning_rate * (1 - epoch / self.max_iter)
                        self.w[j][k] += delta_w[j][k]
                        if not all(delta_w) == 0:
                            wk_classified = False
                    delta_b[j] = (Y[i][k] - self.f(X[i])) * self.learning_rate * (1 - epoch / self.max_iter)
                    self.b[j] += delta_b[j]
                    if  not (wk_classified and delta_b[j] == 0):
                        k_classified = False
                if not k_classified:
                    classified =False
            if classified:
                break

    def score(self, X, y):
        num = 0
        for i in range(len(X)):
            if self.ans(X[i]) == y[i]:
                num += 1
        return num / len(X)
        if num == 0:
            print("the data set might be too small")

    def predict(self, X):
        ans = []
        for i in range(len(X)):
            ans.append(self.ans(X[i]))
        return ans

試したこと

wとXの積の形やbの形を調べたのですが(2,)という同じ形になっていました。
またnumpyのdtypeを用いてXが'float64'であることを確認しました。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正、ベストアンサー選択の依頼

  • 退会済みユーザー

    退会済みユーザー

    2019/10/29 22:12

    色々調べていたところ、Yの定義の仕方が良くなかったことが原因でwやdelta_wに意図しない値が入ってしまっていたことが分かりました。
    megさんたくさんのアドバイスをありがとうございました。

    キャンセル

  • Y.H.

    2020/03/25 19:06

    お礼を述べている割には質問タイトルを意味不明なものに編集するとは…

    キャンセル

  • 退会済みユーザー

    2020/03/26 00:32

    複数のユーザーから「意図的に内容が抹消された質問」という意見がありました
    解決後に編集機能を用いて質問内容を改変し関係のない内容にしたり、内容を削除する行為は禁止しています。
    投稿していただいた質問は、後に他の誰かが困ったときに助けになる情報資産になると考えるからです。
    「質問を編集する」ボタンから編集を行い、他のユーザにも質問内容が見えるように修正してください。

回答 1

check解決した方法

0

Yを[[]]*len(X)と定義していたことが原因だったことが分かりました。
Y = [[] for _ in range(len(X))]と定義したところ、うまく動くようになりました。
どちらの定義の仕方でもYの見た目は同じなのに、働きは異なるという事に驚きました。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2019/10/29 22:33

    a = [[1]]*3 #[[1],[1],[1]]
    a[0][0] = 2 #[[2],[2],[2]]

    b = [[1] for i in range(3)] #[[1],[1],[1]]
    b[0][0] = 3 #[[2],[1],[1]]

    キャンセル

  • 2019/10/29 22:53

    例を用いた分かりやすい説明ありがとうございますm(_ _)m

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 87.49%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る