【机器学习】感知机学习算法(PLA)
感知机问题学习算法引入:信用卡问题
根据已知数据(不同标准的人的信用评级)训练后得出一个能不能给新客户发放信用卡的评定结果
解决该问题的核心思想扔为之前所讲到的梯度下降算法,对于更多条件的类似问题,首先选取一个超平面w0,b0,然后用梯度下降算法不断极小化目标函数,使得此过程中随机一个有误分类点的梯度下降。
过程通过随机选取一个分类点,(xi,yi)依据该分类点对w b进行更新。
得出的这个函数f(x) = sign(w·x+b)就是感知机模型。
它的计目的就是找到一条直线,能够把正向数据与负向数据分开
那么如图1是一个明确我们所得出的一个比较好的直线,接下来我们需要找到一条更好的直线,将两种结果分开,那么经过多次迭代,就会得出图二中的直线。
算法原始形式如下:
输入:
训练数据集T = {(x1,y1)……(xn,yn)}
(xi为向量)
学习率 η(0,1)
输出:
w ,b
依据:
感知机模型f(x) = sign(w·x+b)
感知机算法的执行步骤:
1)选取初值w0,b0
2)在训练集合中任意选取数据(xi,yi),其中yi为评判标准,即yi∈{+1,-1}
3)如果yi(w·xi+b) <= 0 则说明当前结果与目标结果相违背,更新w与b
w = w + ηyixi
b = b + ηyi
4)跳转到步骤(2)直到不存在误分点。
该过程图形化的描述如下:
该方法虽然简单,但并非所有情况下都是有解的
如图2 3的情况下该算法将一直运行,不会得到解。算法对于可分数据集的计算过程用C++语言描述如下:
#include<iostream>
using namespace std;
int main()
{
bool flag = true;
int x1[],x2[],num;
int type[];
int w1 = ,w2 = ,b = ,times = ;//times为迭代次数
cin>>num;
for(int i = ; i < num; i++)
{
cin >> x1[i] >> x2[i]>>type[i];
}
do
{
times++;
int t = ;
for(int i = ; i < num; i++)
{
if(type[i]*(w1*x1[i]+w2*x2[i]+b) <= )//判断是否被正确分类
{
flag = false;//如果没有正确分类,修改标志 w1 += type[i]*x1[i];//更新w
w2 += type[i]*x2[i];
b += type[i];
}
else t++;
}
if(t == num)
{
flag = true;
} }
while(!flag);
cout <<"w1:"<< w1 <<" w2:"<<w2<<" b:"<<b<<"times"<<times<<endl;
return ;
}
计算过程十分简单,其中说明对于未知的情况,即开始时候,w0 b0都初始化为0,之后将会迭代更新。
经过证明该算法是具有收敛性的,
并且可以得出,对于(R²为最大向量长度,ρ为目标直线的法向量与每个点的內积判断方向yn中的最小的)
可以得出计算次数k <= 。
另外需要注意,对于可分训练数据集,选取点的次序不同,得出的解也就不同,但是这些都是感知机学习算法的解。
【机器学习】感知机学习算法(PLA)的更多相关文章
- 感知机学习算法(PLA)
Perception Learning Algorithm, PLA 1.感知机 感知机是一种线性分类模型,属于判别模型. 感知机模型给出了由输入空间到输出空间的映射: f(X) = sign(WTX ...
- 感知机学习算法 python实现
参考李航<统计学习方法> 一开始的感知机章节,看着不太复杂就实现一下... """ 感知机学习算法的原始形式 例2.1 """ ...
- 感知机学习算法Java实现
感知机学习算法Java实现. Perceptron类用于实现感知机, 其中的perceptronOriginal()方法用于实现感知机学习算法的原始形式: perceptronAnother()方法用 ...
- 吴裕雄 python 机器学习——人工神经网络感知机学习算法的应用
import numpy as np from matplotlib import pyplot as plt from sklearn import neighbors, datasets from ...
- 利用Python实现一个感知机学习算法
本文主要参考英文教材Python Machine Learning第二章.pdf文档下载链接: https://pan.baidu.com/s/1nuS07Qp 密码: gcb9. 本文主要内容包括利 ...
- 机器学习理论基础学习3.1--- Linear classification 线性分类之感知机PLA(Percetron Learning Algorithm)
一.感知机(Perception) 1.1 原理: 感知机是二分类的线性模型,其输入是实例的特征向量,输出的是事例的类别,分别是+1和-1,属于判别模型. 假设训练数据集是线性可分的,感知机学习的目标 ...
- 机器学习&深度学习基础(机器学习基础的算法概述及代码)
参考:机器学习&深度学习算法及代码实现 Python3机器学习 传统机器学习算法 决策树.K邻近算法.支持向量机.朴素贝叶斯.神经网络.Logistic回归算法,聚类等. 一.机器学习算法及代 ...
- 机器学习&深度学习基础(目录)
从业这么久了,做了很多项目,一直对机器学习的基础课程鄙视已久,现在回头看来,系统的基础知识整理对我现在思路的整理很有利,写完这个基础篇,开始把AI+cv的也总结完,然后把这么多年做的项目再写好总结. ...
- 机器学习&深度学习基础(tensorflow版本实现的算法概述0)
tensorflow集成和实现了各种机器学习基础的算法,可以直接调用. 代码集:https://github.com/ageron/handson-ml 监督学习 1)决策树(Decision Tre ...
随机推荐
- 反转链表(python)
题目描述 输入一个链表,反转链表后,输出新链表的表头. # -*- coding:utf-8 -*- # class ListNode: # def __init__(self, x): # self ...
- yaml文件 *.yml 写法简介
YAML(Yet Another Markup Language)(发音 /ˈjæməl/ ) 一种基于Unicode容易阅读,容易和脚本语言交互的,用来表达资料序列的编程语言. 适应场景 脚本语言: ...
- eclipse及tomcat设置编码
新装的eclipse新导入项目会乱码,解决办法: 右击项目选properties,找到resources选择utf-8 改后乱码解决 乱码解决后可能还会有红叉,project clean即可 一劳永逸 ...
- 导出可运行jar包
@参考文档 选中项目右击export 可运行jar文件 Extract required libraries into generated JAR:将所需库导出到导出的jar包根目录下,效果如下 Pa ...
- 安装SQLserver2008r2出现 试图执行未经授权的操作
安装时取消对兼容模式的勾选,重新安装就可以了. 或者加上 以管理员身份运行,兼容性设置,以管理员身份运行
- JD_M案例知识点(移动端)
# JD_M案例知识点 基础布局+顶部通栏+顶部轮播图+导航栏 知识点 base.css ::before,::after 伪元素 统一设置文字 sans-serif 移动端 的默认字体 font-f ...
- RPM打包原理、示例、详解及备查( 转)
RPM(Redhat Package Manager)是用于Redhat.CentOS.Fedora等Linux 分发版(distribution)的常见的软件包管理器.因为它允许分发已编译的软件,所 ...
- MATLAB单步调试
我用的是matlab R2012b 1.先设置断点:点击菜单栏中"EDITOR"--"Breakpoints"--"set",出现以下对话框 ...
- c#Md5 32位加密结果少了两个0的原因
今天碰到一个问题, md5加密之后与网站上md5加密少了两位, 仔细看区别是少了两个零 E1ADC3949BA59ABBE56E057F2F883E 我的md5 E10ADC3949BA59AB ...
- spring读取properties的几种方式
参考链接:http://www.cnblogs.com/zxf330301/p/6184139.html