EEPW论坛

本指南将介绍如何在Wekinator软件程序中使用Classifier Explorer功能。 

它还将提供探索不同分类算法如何从训练集中绘制决策边界的机会。 

首先，我们将使用K-nearest分类器并输入一些测试来运行模型。 在对特征进行编程之后，它将绘制决策边界。同样，我们可以使用其他分类器来绘制决策边界。 

在人工智能（AI）和机器学习的背景下，监督学习是一种提供输入和输出数据的系统。 

输入和输出数据被标记为分类，以便为将来的数据处理提供学习基础。 

一些在Chabot，自动驾驶汽车，机器人和专家系统中使用监督学习的系统示例。 

可以在Wekinator网站上找到Processing程序中的Classification Explorer 。 

它将为Wekinator提供2个输入，并接受一个分类器输出，其中包含5个类。 

一个'Classification Explorer'文件，在Processing程序中解压缩并运行它。 

ClassiferExplorer文件窗口。 

Wekinator将接收2个输入并将1个输出发送到Processing程序。 

打开Wekinator平台(ICfans)并将输入设置为2并输出为1.最后，将输出类型指定为具有5个类的“所有分类器”。 

Wekinator的“创建新项目”窗口。 

选择下一步以打开一个新的Wekinator窗口。 

Wekinator的新项目窗口。 

返回分类器资源管理器功能并提供确定决策边界的输入。 

按键盘上的“1”键，然后在“分类器资源管理器”窗口中单击输入空间，它应该创建红点。 现在，按键盘上的“2”键再次单击输入空间，这次将创建蓝点。 

红色和蓝色点作为训练样例，促使模型给出决策边界。 

具有红色和蓝色点的分类器资源管理器窗口。 

接下来，我们将使用这些示例训练模型。 

单击“运行”，然后“在这些示例上训练”按钮。应根据示例训练模型。 

分类器资源管理器窗口显示“运行”和“在这些示例上训练”按钮的位置。 

一旦模型被训练，我们就可以检查测试点以查看输出的样子。 

单击输入空间，它将显示输出点。 

分类器资源管理器窗口在输入空间内单击后显示所有输出点。

单击“绘制决策边界”按钮可再次查看完整输出以及决策边界。 

显示决策边界的分类器资源管理器窗口。  

默认分类器被指定为K最近邻居。虽然您也可以选择其他分类器来绘制决策边界。 

例如，让我们尝试将分类器更改为“朴素贝叶斯”并根据它绘制决策边界。 

Wekinator编辑输出窗口演示如何将分类器更改为“朴素贝叶斯”。  

现在，清除测试示例并再次输入一些示例进行训练。 

在训练完示例后，单击决策边界。IC这次应该使用'Naive Bayes'分类器绘制边界。 

ClassifierExplorer窗口显示“Naive Bates”分类器的决策边界。