Tja, hij doet het, en snel! Maar hoeveel groepen moet je nou gebruiken? Ik besluit het te bepalen aan de hand van mijn dice functie. Na wat geknutsel blijkt dat 8 groepen de grootste dice waarde haalt.
Tevens is het wellicht handig om de gevonden gemiddelde ellipse per groep iets te vergroten of te verkleinen voor een betere fit. Ook dat test ik uit. Daarvoor maak ik het formele middelpunt van de ellipse een beetje (8 posities) random daar mijn NN hiervoor ook wel niet 100% nauwkeurig zal scoren. Al snel blijkt, door een fout in de correctie, dat mijn dice functie niet helemaal goed werkt. Als ik een masker van 1 stip aanbied, vermoedelijk op de juiste plaats, dan krijg ik een dice van bijna 2! Het maximum! Even kijken of er betere voorbeeld functies zijn op het internet. En ja hoor, we kunnen weer verder.
w = huidige maatcorrectie, cl = aantal clustergroepen, vdice = verschil met vorige dice
Calculating optimal kmeans groupsize ...
w = -8 cl = 6 vdice = 0.75133205691 dice = 0.75133205691
w = -8 cl = 7 vdice = 0.00339535583778 dice = 0.754727412748
w = -8 cl = 8 vdice = -0.000425363850674 dice = 0.754302048897
w = -8 cl = 9 vdice = 0.00121933082975 dice = 0.755521379727
w = -8 cl = 10 vdice = 0.00194128204755 dice = 0.757462661775
w = -8 cl = 11 vdice = -0.000864609608341 dice = 0.756598052166
w = -8 cl = 12 vdice = 0.000834459294879 dice = 0.757432511461
w = -8 cl = 13 vdice = 7.22511220859e-05 dice = 0.757504762583
Ik denk dat hoe minder clustergroepen hoe groter de nauwkeurigheid van het NN dat het elipstype moet leren. 10 groepen (en dus niet 8) lijkt daarom hiervoor het meest gunstig.
Even kijken of w nog herzien moet worden: Hmmm ... -1 blijkbaar ...
Calculating optimal kmeans masksize ...
w = -5 cl = 8 vdice = 0.759595105055 dice = 0.759595105055
w = -5 cl = 8 vdice = 0.759595105055 dice = 0.759595105055
w = -4 cl = 8 vdice = 0.00266908869311 dice = 0.762264193748
w = -3 cl = 8 vdice = 0.000643002717233 dice = 0.762907196465
w = -2 cl = 8 vdice = 0.00114370904777 dice = 0.764050905513
w = -1 cl = 8 vdice = 0.000234796748407 dice = 0.764285702261
w = 0 cl = 8 vdice = -0.00111047120475 dice = 0.763175231057
w = 1 cl = 8 vdice = 7.32369505178e-05 dice = 0.763248468007
Nog even een verificatie:
Calculating optimal kmeans groupsize ...
w = -1 cl = 6 vdice = 0.758648692838 dice = 0.758648692838
w = -1 cl = 7 vdice = 0.00278931386038 dice = 0.761438006698
w = -1 cl = 8 vdice = 0.00206029459506 dice = 0.763498301294
w = -1 cl = 9 vdice = 0.00117066722752 dice = 0.764668968521
w = -1 cl = 10 vdice = -0.000578130504317 dice = 0.764090838017
w = -1 cl = 11 vdice = -0.000135805257527 dice = 0.763955032759
w = -1 cl = 12 vdice = 0.00269423472313 dice = 0.766649267482
w = -1 cl = 13 vdice = 0.000886762567938 dice = 0.76753603005
Nu zijn dus 9 groepen optimaal na de aanpassing van w naar -1 ! Alleen maar beter!
Vervolg>>> Natuurlijk iets over het hoofd gezien. Ik heb het optimaal aantal clustergroepen bepaald inclusief de 'nul' groep: Geen masker. In het NN wil ik echter uitsluitend daarvoor de groepen met masker gebruiken. Even dus opnieuw simuleren. Het blijkt dat correctie +1 moet zijn als optimum en dat het aantal groepen het beste op 13 kan zitten. Hmmm 13? ....
Vervolg>>> Natuurlijk iets over het hoofd gezien. Ik heb het optimaal aantal clustergroepen bepaald inclusief de 'nul' groep: Geen masker. In het NN wil ik echter uitsluitend daarvoor de groepen met masker gebruiken. Even dus opnieuw simuleren. Het blijkt dat correctie +1 moet zijn als optimum en dat het aantal groepen het beste op 13 kan zitten. Hmmm 13? ....
w = -1 cl = 6 vdice = 0.840136225125 dice = 0.840136225125
w = -1 cl = 7 vdice = -5.57458507642e-05 dice = 0.840080479274
w = -1 cl = 8 vdice = 0.00208980003578 dice = 0.84217027931
w = -1 cl = 9 vdice = 0.000817202322314 dice = 0.842987481633
w = -1 cl = 10 vdice = -0.000607069472263 dice = 0.84238041216
w = -1 cl = 11 vdice = 0.00258267378717 dice = 0.844963085947
w = -1 cl = 12 vdice = -0.000985547711417 dice = 0.843977538236
w = -1 cl = 13 vdice = 0.0044663430702 dice = 0.848443881306
w = -1 cl = 14 vdice = -0.00152840415147 dice = 0.846915477155
>>> execfile('/Users/DWW/Ultrasound/create_mask_clusters.py')
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
Loading files ...
Calculating optimal kmeans groupsize ...
w = -5 cl = 8 vdice = 0.836293053258 dice = 0.836293053258
w = -4 cl = 8 vdice = 0.00307849148114 dice = 0.839371544739
w = -3 cl = 8 vdice = 0.000278751368095 dice = 0.839650296107
w = -2 cl = 8 vdice = 0.00181491486703 dice = 0.841465210974
w = -1 cl = 8 vdice = -0.000838091798359 dice = 0.840627119176
w = 0 cl = 8 vdice = -0.000194270279629 dice = 0.840432848896
w = 1 cl = 8 vdice = -0.00131628973877 dice = 0.839116559158
w = 2 cl = 8 vdice = -1.67883050046e-05 dice = 0.839099770853
w = 3 cl = 8 vdice = -0.000750410370843 dice = 0.838349360482
>>> execfile('/Users/DWW/Ultrasound/create_mask_clusters.py')
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
Loading files ...
Calculating optimal kmeans groupsize ...
w = -5 cl = 13 vdice = 0.844021218883 dice = 0.844021218883
w = -4 cl = 13 vdice = 0.00152588538211 dice = 0.845547104265
w = -3 cl = 13 vdice = 0.00098765515515 dice = 0.84653475942
w = -2 cl = 13 vdice = 0.000417669300165 dice = 0.846952428721
w = -1 cl = 13 vdice = 0.000617219641173 dice = 0.847569648362
w = 0 cl = 13 vdice = -0.000492214811146 dice = 0.847077433551
w = 1 cl = 13 vdice = 0.00172947271756 dice = 0.848806906268
w = 2 cl = 13 vdice = -0.00269821527775 dice = 0.84610869099
w = 3 cl = 13 vdice = -0.00198209872486 dice = 0.844126592266 
Geen opmerkingen:
Een reactie posten