机器学习基石中的PLA的实现

PLA在Python下的简单实现

代码部分：（详细解释在代码中都有）

import numpy as np

from numpy import *

def pla():

W=np.ones(3)#初始化所有权重为1

count=0

# 这里定义x0到x2，其中公式证明出来x0衡等于1,不解释

# 自己构建六个可分割的二维坐标

dataset=[[1,0.107,0.643 ,1],

[1 ,0.241, 0.830 ,1],

[1 ,0.233 ,0.810, 1],

[1 ,0.361, 0.143, -1],

[1, 0.469, 0.321, -1],

[1, 0.859, 0.272, -1],

]

# 循环一次后如果有差错的点进入下一次循环

while True:

count+=1

iscompleted=True

# 采用视频所说的每一次循环所有的点，出现差错就改

fori in range(0,len(dataset)):

# x取到倒数第一个，然后最后一个作为y的值

X=dataset[i][:-1]

Y=np.dot(W,X)#矩阵相乘

# 计算出的结果和最后一个y值做对比

ifsign(Y)==sign(dataset[i][-1]):

continue

else:

iscompleted=False

# 如果出错的话，做后一个根据视频中公式w=w+yx

W=W+(dataset[i][-1])*np.array(X)

# 如果本次循环一个点都没有出错的话把最终权重输出

ifiscompleted:

break

print("final W is :",W)

print("count is :",count)

return W

w = pla()

数据部分的六个点为个人在二维坐标系上找到的六个可分割的点。在pla上跑一次之后得到的最终权重和训练轮数

训练了五轮。

机器学习基石中的PLA的实现相关推荐

台湾大学林轩田教授机器学习基石课程理解及python实现----PLA
最近在班主任的带领下,开始观看台湾大学林轩田教授的机器学习基石课程,虽然吧,台湾人,汉语说得蛮6,但是还是听着怪怪的,不过内容非常值得刚刚入门的机器学习小白学习,话不多说,直接进入正题. 1.基本介 ...
台湾大学林轩田机器学习基石课程学习笔记15 -- Validation
红色石头的个人网站:redstonewill.com 上节课我们主要讲了为了避免overfitting,可以使用regularization方法来解决.在之前的EinEinE_{in}上加上一个reg ...
台湾大学林轩田机器学习基石课程学习笔记12 -- Nonlinear Transformation
红色石头的个人网站:redstonewill.com 上一节课,我们介绍了分类问题的三种线性模型,可以用来解决binary classification和multiclass classificati ...
台湾大学林轩田机器学习基石课程学习笔记11 -- Linear Models for Classification
红色石头的个人网站:redstonewill.com 上一节课,我们介绍了Logistic Regression问题,建立cross-entropy error,并提出使用梯度下降算法gradient ...
台湾大学林轩田机器学习基石课程学习笔记10 -- Logistic Regression
红色石头的个人网站:redstonewill.com 上一节课,我们介绍了Linear Regression线性回归,以及用平方错误来寻找最佳的权重向量w,获得最好的线性预测.本节课将介绍Logist ...
台湾大学林轩田机器学习基石课程学习笔记7 -- The VC Dimension
红色石头的个人网站:redstonewill.com 前几节课着重介绍了机器能够学习的条件并做了详细的推导和解释.机器能够学习必须满足两个条件: 假设空间H的Size M是有限的,即当N足够大的时候, ...
台湾大学林轩田机器学习基石课程学习笔记5 -- Training versus Testing
红色石头的个人网站:redstonewill.com 上节课,我们主要介绍了机器学习的可行性.首先,由NFL定理可知,机器学习貌似是不可行的.但是,随后引入了统计学知识,如果样本数据足够大,且hypo ...
台湾大学林轩田机器学习基石课程学习笔记3 -- Types of Learning
红色石头的个人网站:redstonewill.com 上节课我们主要介绍了解决线性分类问题的一个简单的方法:PLA.PLA能够在平面中选择一条直线将样本数据完全正确分类.而对于线性不可分的情况,可以使 ...
台湾大学林轩田机器学习基石课程学习笔记2 -- Learning to Answer Yes/No
红色石头的个人网站:redstonewill.com 上节课,我们主要简述了机器学习的定义及其重要性,并用流程图的形式介绍了机器学习的整个过程:根据模型H,使用演算法A,在训练样本D上进行训练,得到最 ...

机器学习基石中的PLA的实现

机器学习基石中的PLA的实现相关推荐

最新文章

热门文章