Commit 72cdc309 authored by Sushant Mahajan's avatar Sushant Mahajan

fixed overflow errors in np.exp and changed iterations

parent bb06cf28
Pipeline #297 skipped
......@@ -2,7 +2,7 @@ Id,Label
0,0
1,1
2,1
3,1
3,0
4,0
5,0
6,0
......@@ -12,17 +12,17 @@ Id,Label
10,1
11,1
12,0
13,0
13,1
14,1
15,0
16,1
17,1
17,0
18,0
19,0
20,0
21,0
22,0
23,1
23,0
24,0
25,1
26,0
......@@ -38,16 +38,16 @@ Id,Label
36,0
37,1
38,0
39,1
39,0
40,0
41,1
42,1
42,0
43,1
44,0
45,0
46,0
47,0
48,1
48,0
49,0
50,1
51,0
......@@ -55,7 +55,7 @@ Id,Label
53,0
54,1
55,1
56,0
56,1
57,0
58,1
59,1
......@@ -66,13 +66,13 @@ Id,Label
64,0
65,1
66,0
67,0
67,1
68,0
69,0
70,1
71,0
72,0
73,1
73,0
74,1
75,0
76,1
......@@ -83,7 +83,7 @@ Id,Label
81,0
82,0
83,0
84,1
84,0
85,1
86,0
87,1
......@@ -93,7 +93,7 @@ Id,Label
91,1
92,0
93,0
94,1
94,0
95,0
96,1
97,0
......@@ -102,8 +102,8 @@ Id,Label
100,1
101,0
102,0
103,0
104,1
103,1
104,0
105,1
106,1
107,0
......@@ -114,8 +114,8 @@ Id,Label
112,1
113,1
114,0
115,0
116,0
115,1
116,1
117,0
118,1
119,0
......@@ -125,7 +125,7 @@ Id,Label
123,0
124,0
125,1
126,1
126,0
127,1
128,0
129,0
......@@ -156,7 +156,7 @@ Id,Label
154,0
155,1
156,0
157,1
157,0
158,0
159,0
160,1
......@@ -178,7 +178,7 @@ Id,Label
176,1
177,1
178,0
179,1
179,0
180,0
181,0
182,1
......@@ -214,9 +214,9 @@ Id,Label
212,0
213,0
214,0
215,1
215,0
216,1
217,1
217,0
218,1
219,0
220,0
......@@ -250,7 +250,7 @@ Id,Label
248,0
249,1
250,1
251,0
251,1
252,1
253,0
254,1
......@@ -260,9 +260,9 @@ Id,Label
258,1
259,1
260,1
261,0
261,1
262,0
263,1
263,0
264,0
265,1
266,1
......@@ -281,7 +281,7 @@ Id,Label
279,0
280,1
281,0
282,0
282,1
283,0
284,1
285,1
......@@ -312,7 +312,7 @@ Id,Label
310,1
311,1
312,0
313,1
313,0
314,0
315,0
316,1
......@@ -346,7 +346,7 @@ Id,Label
344,1
345,1
346,0
347,1
347,0
348,0
349,0
350,0
......@@ -383,9 +383,9 @@ Id,Label
381,0
382,0
383,0
384,1
384,0
385,1
386,0
386,1
387,0
388,0
389,0
......@@ -398,8 +398,8 @@ Id,Label
396,1
397,0
398,0
399,1
400,1
399,0
400,0
401,1
402,0
403,0
......@@ -431,12 +431,12 @@ Id,Label
429,0
430,0
431,0
432,1
433,1
432,0
433,0
434,1
435,0
436,1
437,0
437,1
438,0
439,0
440,0
......@@ -449,7 +449,7 @@ Id,Label
447,0
448,1
449,0
450,1
450,0
451,1
452,1
453,1
......@@ -458,28 +458,28 @@ Id,Label
456,0
457,0
458,1
459,1
459,0
460,1
461,0
462,1
463,1
464,0
465,1
465,0
466,1
467,1
468,1
469,0
470,1
470,0
471,1
472,0
473,1
474,1
474,0
475,0
476,0
477,0
478,1
479,1
480,1
480,0
481,1
482,0
483,0
......@@ -509,14 +509,14 @@ Id,Label
507,1
508,0
509,0
510,0
510,1
511,0
512,0
513,0
514,0
515,0
516,1
517,1
517,0
518,0
519,1
520,1
......@@ -528,9 +528,9 @@ Id,Label
526,1
527,0
528,0
529,1
529,0
530,0
531,1
531,0
532,1
533,0
534,1
......@@ -539,7 +539,7 @@ Id,Label
537,1
538,0
539,0
540,1
540,0
541,0
542,0
543,0
......@@ -556,18 +556,18 @@ Id,Label
554,0
555,0
556,1
557,1
557,0
558,0
559,0
560,0
561,1
562,1
563,0
564,0
564,1
565,0
566,1
567,0
568,1
568,0
569,0
570,0
571,1
......@@ -580,7 +580,7 @@ Id,Label
578,0
579,0
580,0
581,1
581,0
582,1
583,0
584,1
......@@ -590,7 +590,7 @@ Id,Label
588,1
589,0
590,1
591,0
591,1
592,1
593,0
594,0
......@@ -598,12 +598,12 @@ Id,Label
596,0
597,0
598,0
599,1
599,0
600,1
601,1
602,1
602,0
603,0
604,0
604,1
605,0
606,0
607,0
......@@ -622,7 +622,7 @@ Id,Label
620,0
621,0
622,0
623,0
623,1
624,1
625,0
626,0
......@@ -652,13 +652,13 @@ Id,Label
650,0
651,0
652,1
653,0
653,1
654,1
655,0
656,1
657,0
658,0
659,0
659,1
660,1
661,0
662,0
......@@ -676,7 +676,7 @@ Id,Label
674,0
675,1
676,1
677,0
677,1
678,0
679,1
680,0
......@@ -691,7 +691,7 @@ Id,Label
689,0
690,0
691,0
692,0
692,1
693,0
694,0
695,1
......@@ -716,11 +716,11 @@ Id,Label
714,0
715,0
716,0
717,0
717,1
718,0
719,0
720,1
721,1
721,0
722,1
723,0
724,0
......@@ -728,7 +728,7 @@ Id,Label
726,1
727,1
728,1
729,1
729,0
730,0
731,0
732,1
......@@ -759,7 +759,7 @@ Id,Label
757,0
758,1
759,1
760,1
760,0
761,0
762,1
763,0
......@@ -768,8 +768,8 @@ Id,Label
766,0
767,0
768,1
769,0
770,1
769,1
770,0
771,1
772,0
773,1
......@@ -785,18 +785,18 @@ Id,Label
783,0
784,0
785,1
786,1
786,0
787,0
788,1
789,0
790,1
790,0
791,0
792,1
793,0
794,1
795,0
796,0
797,0
797,1
798,0
799,1
800,0
......@@ -827,7 +827,7 @@ Id,Label
825,0
826,1
827,0
828,1
828,0
829,1
830,0
831,1
......@@ -895,7 +895,7 @@ Id,Label
893,0
894,1
895,0
896,1
896,0
897,1
898,0
899,0
......@@ -919,7 +919,7 @@ Id,Label
917,0
918,1
919,1
920,1
920,0
921,0
922,0
923,0
......@@ -927,24 +927,24 @@ Id,Label
925,1
926,0
927,1
928,1
928,0
929,0
930,1
931,1
932,0
933,0
934,0
934,1
935,1
936,0
937,1
938,0
938,1
939,0
940,0
940,1
941,0
942,1
943,0
944,1
945,1
945,0
946,0
947,1
948,1
......@@ -961,7 +961,7 @@ Id,Label
959,0
960,0
961,0
962,1
962,0
963,0
964,0
965,1
......@@ -995,13 +995,13 @@ Id,Label
993,0
994,0
995,1
996,0
996,1
997,0
998,0
999,0
1000,0
1001,1
1002,1
1001,0
1002,0
1003,0
1004,1
1005,0
......@@ -1012,10 +1012,10 @@ Id,Label
1010,0
1011,0
1012,1
1013,1
1013,0
1014,1
1015,0
1016,0
1016,1
1017,0
1018,0
1019,1
......@@ -1028,7 +1028,7 @@ Id,Label
1026,1
1027,1
1028,0
1029,1
1029,0
1030,0
1031,0
1032,1
......@@ -1048,7 +1048,7 @@ Id,Label
1046,0
1047,1
1048,0
1049,1
1049,0
1050,1
1051,0
1052,0
......@@ -1065,12 +1065,12 @@ Id,Label
1063,0
1064,0
1065,1
1066,1
1066,0
1067,0
1068,0
1069,0
1070,1
1071,1
1071,0
1072,0
1073,0
1074,1
......@@ -1084,7 +1084,7 @@ Id,Label
1082,0
1083,1
1084,1
1085,1
1085,0
1086,1
1087,0
1088,1
......@@ -1094,7 +1094,7 @@ Id,Label
1092,1
1093,0
1094,0
1095,0
1095,1
1096,0
1097,0
1098,1
......@@ -1121,7 +1121,7 @@ Id,Label
1119,0
1120,0
1121,1
1122,1
1122,0
1123,0
1124,1
1125,1
......@@ -1142,14 +1142,14 @@ Id,Label
1140,0
1141,1
1142,0
1143,1
1144,0
1143,0
1144,1
1145,0
1146,0
1147,0
1148,1
1149,0
1150,1
1150,0
1151,0
1152,1
1153,1
......@@ -1160,7 +1160,7 @@ Id,Label
1158,1
1159,0
1160,1
1161,0
1161,1
1162,0
1163,0
1164,0
......@@ -1168,7 +1168,7 @@ Id,Label
1166,1
1167,0
1168,0
1169,0
1169,1
1170,0
1171,1
1172,1
......@@ -1189,7 +1189,7 @@ Id,Label
1187,0
1188,0
1189,0
1190,1
1190,0
1191,1
1192,0
1193,0
......@@ -1205,7 +1205,7 @@ Id,Label
1203,1
1204,1
1205,1
1206,0
1206,1
1207,0
1208,1
1209,1
......@@ -1213,10 +1213,10 @@ Id,Label
1211,1
1212,1
1213,1
1214,1
1214,0
1215,1
1216,0
1217,0
1217,1
1218,0
1219,1
1220,0
......@@ -1226,8 +1226,8 @@ Id,Label
1224,1
1225,0
1226,1
1227,1
1228,1
1227,0
1228,0
1229,0
1230,0
1231,1
......@@ -1247,9 +1247,9 @@ Id,Label
1245,0
1246,0
1247,0
1248,0
1248,1
1249,0
1250,1
1250,0
1251,0
1252,0
1253,1
......@@ -1285,7 +1285,7 @@ Id,Label
1283,0
1284,0
1285,0
1286,0
1286,1
1287,0
1288,0
1289,1
......@@ -1304,14 +1304,14 @@ Id,Label
1302,0
1303,0
1304,0
1305,1
1305,0
1306,0
1307,1
1308,1
1309,0
1310,1
1311,1
1312,1
1312,0
1313,0
1314,0
1315,0
......@@ -1340,21 +1340,21 @@ Id,Label
1338,0
1339,1
1340,1
1341,1
1341,0
1342,1
1343,1
1344,0
1345,0
1346,0
1347,1
1348,0
1348,1
1349,1
1350,1
1351,1
1352,1
1353,0
1354,0
1355,1
1355,0
1356,1
1357,1
1358,0
......@@ -1395,7 +1395,7 @@ Id,Label
1393,0
1394,0
1395,0
1396,0
1396,1
1397,0
1398,0
1399,1
......@@ -1413,8 +1413,8 @@ Id,Label
1411,1
1412,0
1413,1
1414,1
1415,1
1414,0
1415,0
1416,1
1417,1
1418,0
......@@ -1430,7 +1430,7 @@ Id,Label
1428,0
1429,1
1430,1
1431,0
1431,1
1432,0
1433,0
1434,1
......@@ -1448,7 +1448,7 @@ Id,Label
1446,0
1447,0
1448,1
1449,1
1449,0
1450,0
1451,1
1452,0
......@@ -1476,14 +1476,14 @@ Id,Label
1474,0
1475,1
1476,1
1477,0
1477,1
1478,1
1479,1
1480,0
1481,1
1482,0
1483,0
1484,1
1484,0
1485,0
1486,0
1487,1
......@@ -1494,7 +1494,7 @@ Id,Label
1492,1
1493,0
1494,1
1495,1
1495,0
1496,1
1497,0
1498,0
......@@ -1518,7 +1518,7 @@ Id,Label
1516,1
1517,1
1518,0
1519,1
1519,0
1520,0
1521,0
1522,1
......@@ -1565,7 +1565,7 @@ Id,Label
1563,0
1564,1
1565,0
1566,0
1566,1
1567,1
1568,1
1569,0
......@@ -1579,7 +1579,7 @@ Id,Label
1577,0
1578,0
1579,1
1580,1
1580,0
1581,0
1582,1
1583,1
......@@ -1587,7 +1587,7 @@ Id,Label
1585,1
1586,0
1587,0
1588,0
1588,1
1589,1
1590,1
1591,1
......@@ -1596,6 +1596,6 @@ Id,Label
1594,0
1595,1
1596,1
1597,0
1597,1
1598,0
1599,0
......@@ -42,7 +42,8 @@ def getData(srcF, isTrain=True, addBias=True, normalize=True):
return (np.array(X),np.array(y))
def sigmoid(v):
return 1.0/(1+np.exp(-v))
z = np.minimum(-v, 700.0)
return 1/(1+np.exp(z))
def sigmoidDiff(v):
return sigmoid(v)*(1-sigmoid(v))
......@@ -63,11 +64,12 @@ def cost(model, X, y):
m = X.shape[0]
h = feedforward(model, X)
y2 = y.astype(float)
vf = np.vectorize(restrictProb)
py = vf(h)
h = np.minimum(np.maximum(h, 1e-15),1-1e-15)
loss = -(1.0/m)*np.sum(y*np.log(py)+(1-y)*np.log(1-py)) #mx2 .* mx2
# vf = np.vectorize(restrictProb)
# py = vf(h)
loss = -(1.0/m)*np.sum(y*np.log(h)+(1-y)*np.log(1-h)) #mx2 .* mx2
#regularize
w1,w2 = model['w1'],model['w2']
loss += model['lambda']*(np.sum(np.square(w1)) + np.sum(np.square(w2)))/(2*m)
......@@ -123,8 +125,9 @@ def fit(model, X, y, passes=1000):
if __name__ == "__main__":
np.random.seed(47)
np.seterr(over='raise')
model = {}
model = {'li':57,'lh':85,'lo':2,'lambda':0.05,'eta':0.01}
model = {'li':57,'lh':85,'lo':2,'lambda':0.1,'eta':0.01}
# model['w1'] = np.random.randn(model['li']+1, model['lh'])/np.sqrt(model['li']+1) #58x28
# model['w2'] = np.random.randn(model['lh']+1, model['lo'])/np.sqrt(model['lh']+1) #29x2
model['w1'] = np.random.rand(model['li']+1, model['lh'])*0.24 - 0.12
......@@ -139,7 +142,7 @@ if __name__ == "__main__":
# model['w1'] = np.random.randn(model['li']+1, model['lh'])/np.sqrt(model['li']+1) #58x28
# model['w2'] = np.random.randn(model['lh']+1, model['lo'])/np.sqrt(model['lh']+1) #29x2
model = fit(model, X, y)
model = fit(model, X, y, passes=500)
m = X.shape[0]
py,y2=[],[]
......
Markdown is supported
0% or
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment