PAL算法原理及代码实现
博主发现之前写的博客都是偏程序方面,而较少涉及数学或算法方面的东西,其实无论什么软件工具,最终都是为了更好地给理论铺路搭桥,所以我觉得不应该就某个程序贴个博客,而是在实际算法研究中,将理论描述清晰,再通过工具实现,两个结合。
废话不多说,最近上台湾大学的ML课程,说到PLA(perception learning algorithm)算法,涉及到ML的一个入门算法,我花了一些时间消化整理,在这里跟大家分享一下,希望大家再回过头去看台湾大学ML课程的时候,能更加如鱼得水。
算法具体如下:
PLA是一种能够通过自己学习而不断改进的分类算法,可将二维或者更高维的数据切分成对应不同的种类(1和-1),假设我们有n个数据样本,每个数据样本对应的维度为m,可以表示成如下:
对于每个样本,其对应的类别为1或-1,可表示为如下:
我们假设一条直线:
其对应为样本m个维度的系数,这里需要注意的是,我们的目标是求解出W的值,将对应的两种类别很好地分开,而不是在样本中做回归求误差最小。
所以我们的目标是使下面式子成立:
其中sign是符号函数,对于所有的正数,返回1,对于所有非正数返回-1.
可以通过将表示为而化简上市,其中,则有如下: (1)
实际过程中上述等式可能没办法在一开始就成立,所以当等式不成立的时候,我们需要某种方法来修正过程中的W参数,下面举个栗子:
比如我们计算出来: 是正的,而却是负的,从某种意义上来说,W参数是偏大的;而当是负的,而对应的却是正的,那么W参数是偏小的,那么,我们该如何调整W参数呢?
可以通过如下:
这样我们就可以通过将对应的W参数自主学习调整为越来越靠近正确的W。
也许你会问,为什么这样通过修改W最后一定会收敛?或者换个说法,为什么通过这样不断地变化W参数,最后一定会有一条直线能将样本较好地分开呢?
下面我会证明上面这个问题,也就是证明PLA算法的收敛性:
假设存在一条直线能将我们样本数据很好分类,那么则有:
该式对应上文式(1),这里我通过向量表示消除符号过多的问题。
为了证明W会朝着靠拢,我们可以构造如下式子:
(2)
其中我们上文以及假设是正确的分类线,那么意味式(2)中,
则算法在每次迭代修改W时,,那么从向量内积的角度来看,这意味着两个向量越来越靠近。
也许你还会问,两个向量内积越来越大,除了角度变小的可能外,还有两个向量越来越大的可能?
下面我会证明其实在W参数学习的过程中其单位长度在不断变小:
其中我们已经知道和符号相异,那么
则在W自主学习的过程中,其模越来越小,而上述式(2)我们证明了越来越大,那么综合只有当向量和的角度越来越小时,式(2)才会成立,所以我们证明了自主学习,W会朝着越来越正确的方向变动(即使有时候这种变动我们察觉不出)。
PLA算法在多维度分类效果也比较好,收敛速度很快,这里博主用的是双维度样本,该样本在更新1400多次后输出了对应的结果,代码质量还有待改进。
下面是算法的实现(R语言)
#加载ggplot2包
library(ggplot2)
library(plyr)
#PLA数据,取R自带数据集iris,确保直线下方数据标签为-1
pladata <- data.frame(x1=iris[1:100,1],x2=iris[1:100,2],y=c(rep(1,50),rep(-1,50)))
ggplot(data=pladata,aes(x1,x2,col=factor(y)))+geom_point() #样本数据展示
#PLA函数,x表示样本数据,y为对应类别,initial为w初始值,delta为相对误差率
PLA <- function(x,y,initial,delta){
w <- initial;n <- length(y);
x <- as.matrix(cbind(x0=rep(1,dim(x)[1L]),x))
error <- 1
while(error > delta){
if(all(sign(x %*% w)==y)){
error <- 0
}else{
xnt <- which(sign(x %*% w)!=y)
w <- w + x[xnt[1],] * rep(y[xnt[1]],dim(x)[2L])
xnt1 <- which(sign(x %*% w)!=y)
error <- length(xnt1)/n
}
}
names(w) <- paste("w",0:(dim(x)[2L]-1),sep="");print(w);
}
w <- PLA(x=pladata[,1:2],y=pladata[,3],initial=c(1,0,0),delta=0)
#分类结果展示:
names(w) <- NULL
ggplot(data=pladata,aes(x1,x2,col=factor(y)))+
geom_point()+
geom_abline(aes(intercept=(-w[1]/w[3]),slope=(-w[2]/w[3])))
其中未分类前的散点图如下:
通过自主学习训练后的结果如下:
C++代码实现
/*<span style="font-family:Times New Roman;">
Author: DreamerMonkey
Time : 5/3/2015
Title : PLA Algorithm
*/
#include<iostream>
#include<vector>
using namespace std;
//以二维空间为例,x1 x2为属性
struct Item{
int x0;
double x1,x2;
int label;
};
//权重结构体,w1 w2为属性x1 x2的权重,初始值全设为0
struct Weight{
double w0,w1,w2;//
}Wit0={0,0,0};
//符号函数,根据向量内积和的特点判断是否应该发放信用卡
int sign(double x){
if(x>0)
return 1;
else if(x<0)
return -1;
else return 0;
}
//两个向量的内积
double DotPro(Item item,Weight wight){
return item.x0*wight.w0+item.x1*wight.w1+item.x2*wight.w2;
}
//更新权重
Weight UpdateWeight(Item item,Weight weight){
Weight newWeight;
newWeight.w0=weight.w0+item.x0*item.label;
newWeight.w1=weight.w1+item.x1*item.label;
newWeight.w2=weight.w2+item.x2*item.label;
return newWeight;
}
int main(){
vector<Item> ivec;
Item temp;
cout<<"Please input Item.x1-Item.x2;"<<endl;
while(cin>>temp.x1>>temp.x2>>temp.label){
temp.x0=1;
ivec.push_back(temp);
}
Weight wit=Wit0;
for(vector<Item>::iterator iter=ivec.begin();iter!=ivec.end();++iter){
if((*iter).label!=sign(DotPro(*iter,wit))){
wit=UpdateWeight(*iter,wit);
iter=ivec.begin();//在从头开始判断,因为更新权重后可能会导致前面的点出故障,需要从头再判断
}
}
//打印结果
cout<<wit.w0<<" "<<wit.w1<<" "<<wit.w2<<" "<<endl;</span>
}
matlab代码实现
x_1=[120 185 215 275 310 337];
x_2=[110 125 185 250 130 137];
plot(x_1,x_2,'ob','linewidth',3,'markersize',15);
hold on;
x1=[55 98 115 110 95 122 70 205 225 ];
y1=[90 178 170 225 270 270 310 345 290 ];
plot(x1,y1,'xr','linewidth',3,'markersize',15)
hold on;
negpoints = [55,90,-1;310,130,1;98,178,-1;115,110,1;115,165,-1;185,125,1;110,225,-1;215,185,1;95,270,-1;275,260,1;122,270,-1;70,310,-1;337,137,1;205,345,-1;225,280,-1]
pospoints = [310,130,-1;115,110,-1;185,125,-1;215,185,-1;275,260,-1;337,137,-1]
weight = [0,300,100]
H_value = 0
sig=true
axis([50 350 50 350])
while sig
for i=1:1:15
sig=false
q = sign(negpoints(i,3))
h_x_i = sign(weight(1)+weight(2)*negpoints(i,1)+weight(3)*negpoints(i,2))
if h_x_i == q
if (i==15 && sig==false )
x =[50,100,200,250,350]
y = -(weight(2)/weight(3))*x -( weight(1)/weight(3))
plot(x,y,'b');
hold on;
else
continue
end
else
sig=true
ew1 = weight(2)
ew2 = weight(3)
weight(1)= (weight(1)+ q*1)
weight(2)= (weight(2)+ q*negpoints(i,1))
weight(3)= (weight(3)+ q*negpoints(i,2))
x =[50,100,200,250,350]
x1 =[50,100,200,250,350]
y1 = (weight(3)/weight(2))*(x1-200) +200
plot(x1,y1,'b');
hold on;
y = -(weight(2)/weight(3))*x -( weight(1)/weight(3))
plot(x,y,'r');
hold on;
end
end
end
转载于:https://blog.51cto.com/6510827/1854839
PAL算法原理及代码实现相关推荐
- pla算法 matlab,PAL算法原理及代码实现
博主发现之前写的博客都是偏程序方面,而较少涉及数学或算法方面的东西,其实无论什么软件工具,最终都是为了更好地给理论铺路搭桥,所以我觉得不应该就某个程序贴个博客,而是在实际算法研究中,将理论描述清晰,再 ...
- 多类线性分类器算法原理及代码实现 MATLAB
多类线性分类器算法原理及代码实现 MATLAB 一.算法原理 下面举例说明为何蓝圈部分在case2中是确定的而在case1中不确定: 二.代码实现 1.HK函数 function [] = HK(w1 ...
- SSD算法原理与代码(三)
说明:这几篇文章是讲解SSD,从算法原理.代码到部署到rk3588芯片上的过程.环境均是TF2.2,具体的安装过程请参考网上其他的文章. 一.SSD简介 SSD算法是一个优秀的one-stage目标检 ...
- 计算机图形学--中点椭圆算法原理及代码实现
目录 椭圆的几何特性: 算法原理: 代码实现: 说明,我们这里讨论的椭圆都是对称轴平行于坐标轴的椭圆,对于其他方程较为复杂的椭圆我们不做讨论. 椭圆的几何特性: 首先我们考虑椭圆的几何特性.椭圆是抽对 ...
- 论文|Node2vec算法原理、代码实战和在微信朋友圈的应用
1 概述 Node2vec是2016年斯坦福教授 Jure Leskovec.Aditya Grover提出的论文,论文的下载链接为:https://arxiv.org/pdf/1607.00653. ...
- 深度强化学习-D3QN算法原理与代码
Dueling Double Deep Q Network(D3QN)算法结合了Double DQN和Dueling DQN算法的思想,进一步提升了算法的性能.如果对Doubel DQN和Duelin ...
- 萤火虫算法_40多种智能优化算法原理和代码分享
40多种智能优化算法原理和代码分享 <智能优化算法讲解>PDF下载地址: <智能优化算法原理讲解>PDFmianbaoduo.com 包括: 1.海鸥算法SOA 智能优化算法 ...
- HoughCircle(霍夫圆)算法原理及代码实现
此算法建立在Canny算法的基础上,对Canny算法检测出的边缘图像进行拟合,因此要用到Canny算法返回的边缘图像及梯度方向矩阵.Canny算法相关内容详见上一篇博客:Canny边缘检测算法原理 ...
- 深度强化学习-Double DQN算法原理与代码
深度强化学习-Double DQN算法原理与代码 引言 1 DDQN算法简介 2 DDQN算法原理 3 DDQN算法伪代码 4 仿真验证 引言 Double Deep Q Network(DDQN)是 ...
最新文章
- 数据有价——数据资产定价研究初探
- 【alibaba-cloud】Gateway网关
- amvu mysql_mysql--数据库备份
- java手写实现BST
- 计算机支持协同工作不是多媒体应用,计算机支持的协同工作概观.PDF
- python连接数据库设置编码_python操作mysql中文显示乱码的解决方法
- 定时器Timer和播放器MediaPlayer
- STM32的GPS数据提取程序设计说明——基于NMEA0183协议
- 无线打印 airprint 服务器,怎么设置普通打印机也能airprint无线打印
- android系统体系结构,Android系统的五层体系结构解析
- AudioToolbox之AudioQueue.h(二)Creating and Disposing of Audio Queues
- Word写作 | 如何在Word中把图片铺满整个页面
- python 白色怎么表示_在numpy中创建“白色”图像(2D图像)
- 做一名有幸福感的计算机教师,做一名有职业幸福感的教师为题目的作文
- 暗金色 rgb_杜伽TAURUS K310樱桃RGB红轴体验:做工精良、手感优秀
- flask_restful中的输出域(Resource、fields、marshal、marshal_with)
- python两张图片无缝合成一张_Python将多张图片进行合并拼接
- 【BZOJ4327】JSOI2012 玄武密码 AC自动机
- 学习C++编程的必备软件
- C语言判断一个五位数是不是回文数
热门文章
- B-Tree索引在sqlserver和mysql中的应用
- 中级.NET开发人员
- windows核心编程-第一章 对程序错误的处理
- 【Android 逆向】ART 脱壳 ( DexClassLoader 脱壳 | exec_utils.cc 中执行 Dex 编译为 Oat 文件的 Exec 和 ExecAndReturnC函数 )
- 【开发环境】Mac 中安装 Python3 最新版本 ( 下载 Python 最新版本 | 安装 Python3 | 验证 Python3 )
- 【Android应用开发】RecycleView API 翻译 (文档翻译)
- centos 6.2用yum安装中文输入法
- 第八届蓝桥杯省赛第二题---等差素数列
- C#文件夹权限操作工具类
- 线程同步monitor