101 Pds::Octave::XLabel=
"x_1";
102 Pds::Octave::YLabel=
"x_2";
103 Pds::Octave::Plot::PointsX2DY(X,Y,
"testando.m",
"example_ensembleperceptron_data.png");
107 Neurona.Print(
"\nNeurona:\n");
110 Yp=Neurona.Predict(F);
114 Metrics.
Print(
"Perceptron:\n");
116 Pds::Octave::Plot::PointsX2DY(X,Yp,
"testando.m",
"example_ensembleperceptron_perceptron.png");
121 BagN.Print(
"BagN:\n");
127 Metrics.
Print(
"EnsemblePerceptron:\n");
129 Pds::Octave::Plot::PointsX2DY(X,Yp,
"testando.m",
"example_ensembleperceptron_ensemble.png");
133 BagN.ExportFile(
"example_ensembleperceptron_ensemble.dat");
La clase tipo Pds::ClassificationMetrics . Esta clase genera un bloque de datos para analizar curvas ...
La clase tipo Pds::EnsemblePerceptron . Esta clase genera una matriz de Nlin lineas y 1 columna....
La clase tipo Pds::IterationConf . Esta clase genera una matriz de Nlin lineas y 1 columna....
La clase tipo Pds::Perceptron . Esta clase genera una matriz de Nlin lineas y 1 columna....
static Pds::ClassificationMetrics Calculate(double Threshold, const Pds::Vector &Ypredict, const Pds::Vector &Yactual)
Crea un objeto Dat de tipo Pds::ClassificationMetrics.
void Print(std::string str="")
Imprime en pantalla los datos de la estructura tipo Pds::ClassificationMetrics.
bool SetMaxIter(unsigned int MaxIter)
Coloca el valor MaxIter.
void LoadDataSine(unsigned int L, Pds::Matrix &X, Pds::Vector &Y)
Clasificacion de datos separados por una curva.
Pds::Matrix Polynomial(const Pds::Matrix &X, unsigned int M)
Crea una nueva matriz de "features" kernelizando de forma polinomial.