Nupic—–HTM學習（Spatial Classification）

如果資料集不含有時間序列，則可以讓nupic建立“spatial classification”模型。

packaging, height, weight, category  
glass, , , "salad dressing"  
cardboard, , , "cereal"  
plastic, , , "milk"  
plastic, , , "salad dressing"  
...
           

在這裡, “category” 列是模型在所有其他列中給定資料時應輸出的内容。與時态問題相比, 在 N-1 (或 N-2、N-3 等) 時的資料與 N 時的輸出沒有關系。

用OPF建立spatial classification模型

examples/opf/experiments/spatial_classification

這個目錄下有一些例子

下面是

description.py

中的三個重要差別，來區分spatial classification 和temporal prediction：

(見

examples/opf/experiments/spatial_classification/base/description.py

):

1. The config[‘modelParams’][‘inferenceType’] will be ‘NontemporalClassification’ (in a temporal prediction experiment it will typically be ‘TemporalMultistep’).
2. The config[‘modelparams’][‘clParams’][‘steps’] will be ‘0’.

3. The encoder that encodes the predicted field has ‘classifierOnly’ set to True.

   在一些設定檔案中能找到這些參數

inferenceType 設定告訴OPF應該在模型中放入什麼算法元件。在目前的實作中, ’ NontemporalClassification ’ 告訴OPF建立一個隻包含encoder和一個classifier的模型(沒有空間或時間池)。

config中的參數

['modelparams']['clParams']['steps']

告訴classifier将目前輸入與預測字段的目前值關聯。

predicted field的encoder 的 “classifierOnly” 标志告訴OPF不将此字段放入網絡底部。它隻會作為分類輸入送入classifier。注意: predicted field的名稱在control [’ inferenceArgs ‘] [’ predictedField ‘] 的description.py中定義。

還有很多内容并沒有翻譯

請看原文章：https://discourse.numenta.org/t/spatial-classification/2152