感知机算法的对偶形式

4,算法代码

/*************************************************************************> File Name: durl.cpp> Author:zhangtx> Mail: 18510665908@163.com > Created Time: 2018年01月08日 星期一 10时04分10秒************************************************************************/
#include <iomanip>
#include<iostream>
using namespace std;
int a[3]={0,0,0};
int b=0;
int ep=1;
int samples[3][3]={{3,3,0},{4,3,0},{1,1,0}};
int y[3]={1,1,-1};
int TransSamples[3][3];
int gram[3][3];
void TransposeMatrix(int matrixSrc[][3],int matrixDest[][3],int row,int col)
{for(int idxRow=0;idxRow<row;idxRow++)for(int idxCol=0;idxCol<col;idxCol++)matrixDest[idxCol][idxRow]=matrixSrc[idxRow][idxCol];
}void MultiMatrix(int matrixLeft[][3],int leftRow,int leftCol,int matrixRight[][3],int rightRow,int rightCol,int result[][3])
{for(int idxLeftRow=0;idxLeftRow<leftRow;idxLeftRow++){for(int idxRightCol=0;idxRightCol<rightCol;idxRightCol++){int sum=0;for(int idxRightRow=0;idxRightRow<rightRow;idxRightRow++){sum+=matrixLeft[idxLeftRow][idxRightRow]*matrixRight[idxRightRow][idxRightCol];}result[idxLeftRow][idxRightCol]=sum;}}
}
void PrintMatrix(int matrix[][3],int row,int col,char *info)
{cout<<endl<<info<<endl;for(int idxRow=0;idxRow<row;idxRow++){cout<<endl;for(int idxCol=0;idxCol<col;idxCol++){cout<<setw(8)<<matrix[idxRow][idxCol];}}cout<<endl;
}int w[2]={0,0
};int main(int argc,char *argv[])
{PrintMatrix(samples,3,3,"samples");TransposeMatrix(samples,TransSamples,3,3);PrintMatrix(TransSamples,3,3,"Transposes");MultiMatrix(samples,3,3,TransSamples,3,3,gram);PrintMatrix(gram,3,3,"result");/*train*/int iterator=0;while(true){bool over=true;iterator++;for(int i=0;i<3;i++){int val=0;for(int j=0;j<3;j++){val+=a[j]*y[j]*gram[j][i];}if (y[i]*(val+b)<=0){cout<<" iterator " <<iterator<<"a:";for(int k=0;k<3;k++){cout<<setw(8)<<a[k];}cout<<"   b"<<setw(10)<<b<<endl;a[i]=a[i]+ep;b=b+y[i];over=false;}}if (over==true){cout<<" iterator " <<iterator<<"a:";for(int i=0;i<3;i++){cout<<setw(8)<<a[i];}cout<<"   b"<<setw(10)<<b<<endl;break;}}for(int i=0;i<2;i++){for(int j=0;j<3;j++)w[i]+=a[j]*y[j]*samples[j][i];}cout<<endl<<"w="<<w[0]<<"  "<<w[1]<<endl;cout<<"the func is "<<w[0]<<"*x1"<<"+"<<w[1]<<"*x2"<<"+("<<b<<")"<<endl;return 0;
}

感知机算法的对偶形式相关推荐

感知机算法的两种表示
感知机算法的原始形式输入:训练数据集T={(x1,y1),(x2,y2),...,(xn,yn)},其中xi属于Rn(n维空间向量),yi={-1,+1},i=1,2,...,N 学习率t(0< ...
经典分类算法——感知机算法
文章目录经典分类算法--感知机算法 1 感知机算法思想:错误修正 2 感知机算法(原始形式):形式化表示 3 感知机算法(对偶形式):形式化表示 4 感知机算法:随机梯度下降(SGD) 5 感知机算 ...
感知机算法基础形式及对偶形式算法
知识预备: 数据线性可分: 对于给定数据集T={(x1,y1),(x2,y2),...,(xn,yn)},:若存在平面wx+b=0将正实例点和负实例点正确划分到两侧,也就是对所有yi=+1的实例,都有 ...
感知机算法（一）---原理
感知机算法是错误驱动的在线学习算法.首先初始化一个权重W0.截距b,然后每次分错样本时,就用这个样本改变权重以及截距b.其实就是构造了一个分类超平面. (1)感知机算法的学习策略是极小化误分类点到超平 ...
感知机算法学习笔记（带例题及代码）
感知机感知机是二分类的线性分类模型,其输入为实例的特征向量,输出实例为类别,取+1和-1二值,属于判别模型.感知机学习旨在求出能够将训练数据集进行正确的分类的分离超平面的.为此,导入基于误分类的损失 ...
通俗解释优化的线性感知机算法：Pocket PLA
个人网站:红色石头的机器学习之路 CSDN博客:红色石头的专栏知乎:红色石头微博:RedstoneWill的微博 GitHub:RedstoneWill的GitHub 微信公众号:AI有道(ID: ...
一看就懂的感知机算法PLA
个人网站:红色石头的机器学习之路 CSDN博客:红色石头的专栏知乎:红色石头微博:RedstoneWill的微博 GitHub:RedstoneWill的GitHub 微信公众号:AI有道(ID: ...
【附源码】一看就懂的感知机算法PLA
AI有道一个有情怀的公众号本文所有的源代码均放在了我的GitHub上,需要的点击文末「阅读原文」获取.如果对你有用的话,别忘了Fork和Star哦! 什么是感知机「Perceptron」 PLA全 ...
matlab求感知距离的命令,感知机算法(MATLAB)
感知机算法属于比较简单的分类器算法,但是跟逻辑回归和支持向量机一样属于构建分类超平面. 不同的是感知机采用分错的样本与分类超平面的距离作为损失函数,下面的算法基于随机梯度下降法,采用异步方式达到收敛状 ...
python 机器学习——从感知机算法到各种最优化方法的应用（python）
一准备 1 数据集 2 基本工具 21 pandasread in data 22 numpyprocess data 23 matplotlibvisualize data 二基本概念与定义三 ...

感知机算法的对偶形式

感知机算法的对偶形式相关推荐

最新文章

热门文章