本文件夹中以气体传感器收集的数据来训练几种不同的分类器,并测试了正确率
这里仅演示了最基本的使用方法,各个参数的设定还是参考帮助文档为好。
数据来源:http://archive.ics.uci.edu/ml/datasets/Gas+Sensor+Array+Drift+Dataset
数据分为6类气体,由不同的时间段采集,并由时间段分成了10个数据集,各个数据集的详细情况可以见网站的说明。总之,这里有6类气体的数据,不过需要注意的时,由于传感器材质或工艺水平的原因,随着时间的变化,传感器本身会产生漂移。因此,如果用第10个batch上的数据来训练一个分类器,用第1个batch上面的数据来进行测试,正确率可能会很低。这也是现在需要解决的问题。
训练数据600个,测试数据3000个,
固定初始参数时,各个分类器的正确率如下:
Bayes: 60%
BP: 90.5%
Elman: 77.5%
KNN: 97.5333%
LDA: 84.4667%
RBF: 97.7%
Softmax: 98.1667%