本文主要是介绍(李航统计学习方法)感知机Python实现,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
机器学习的三要素:模型,策略,算法
模型:感知机是二分类线性分类模型,属于判别模型。
策略:基于误分类点到超平面的总距离。
学习算法:略
感知机存在的问题:
- 存在多解,解依赖于初始超平面的选择以及迭代过程中误分类点的选择。
- 训练集线性不可分,算法无法收敛,解决方法:pocket算法或者使用核函数。
- 无法解决异或问题
Python代码实现:
import numpy as np
def train(X_train,Y_train):print(np.shape(X_train))m,n=np.shape(X_train)w=np.zeros((n,1))b=0while True:count=mfor i in range(m):result=Y_train[i]*(np.dot(X_train[i],w)+b)if result<=0:count-=1for j in range(n):w[j]=w[j]+X_train[i][j]*Y_train[i]b=b+Y_train[i]print("w:",w)print("b:",b)breakif count==m:breakreturn w,b
def predict(w,b,X_test):y_=np.dot(X_test,w)+breturn np.where(y_>1,1,-1)
def main():X_train=np.array(([3,3],[4,3],[1,1]))Y_train=np.array(([1,1,-1]))w,b=train(X_train,Y_train)X_test=np.array(([2,3],[-15,6],[1,4]))print(predict(w,b,X_test))
if __name__=='__main__':main()
这篇关于(李航统计学习方法)感知机Python实现的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!