感知机的 python 实现

最新推荐文章于 2025-01-16 15:28:56 发布

imxietx

最新推荐文章于 2025-01-16 15:28:56 发布

阅读量9.4k

点赞数 11

CC 4.0 BY-SA版权

分类专栏： Machine Learning 文章标签：感知机python 机器学习感知机 python 随机梯度下降

本文链接：https://blog.youkuaiyun.com/Artprog/article/details/61923910

本文的主要内容是感知机的python实现。在阅读程序之前，如果对感知机的原理不了解，可以参考我的上一篇文章：感知机算法原理（PLA原理）及 Python 实现

创建一些用于测试的线性可分数据

机器学习是数据驱动的学科，如果您在网络上很难找到线性可分的数据的话，不妨自己来“捏造一些”。顺便提一下，因为我没有给我的 ubuntu 上的 sublime 添加中文支持，无法输入中文，所以注释使用英文写的。我会在代码中解释。

首先，新建一个名为 pla.py 的文件，将下面的代码添加进去，以导入 numpy 科学计算模块。

from numpy import *

然后，我们来定义一个函数makeLinearSeparableData以产生我们需要的线性可分的数据。将下面的代码添加到 pla.py 中：

def makeLinearSeparableData(weights, numLines):
    ''' (list, int) -> array

    Return a linear Separable data set. 
    Randomly generate numLines points on both sides of 
    the hyperplane weights * x = 0.

    Notice: weights and x are vectors.

    >>> data = pla.makeLinearSeparableData([2,3],5)
    >>> data
    array([[ 0.54686091,  3.60017244,  1.        ],
           [ 2.0201362 ,  7.5046425 ,  1.        ],
           [-3.14522458, -7.19333582, -1.        ],
           [ 9.72172678, -7.99611918, -1.        ],
           [ 9.68903615,  2.10184495,  1.        ]])
>>> data = pla.makeLinearSeparableData([4,3,2],10)
>>> data
array([[ -4.74893955e+00,  -5.38593555e+00,   1.22988454e+00,   -1.00000000e+00],
       [  4.13768071e-01,  -2.64984892e+00,  -5.45073234e-03,   -1.00000000e+00],
       [ -2.17918583e+00,  -6.48560310e+00,  -3.96546373e+00,   -1.00000000e+00],
       [ -4.34244286e+00,   4.24327022e+00,  -5.32551053e+00,   -1.00000000e+00],
       [ -2.55826469e+00,   2.65490732e+00,  -6.38022703e+00,   -1.00000000e+00],
       [ -9.08136968e+00,   2.68875119e+00,  -9.09804786e+00,   -1.00000000e+00],
       [ -3.80332893e+00,   7.21070373e+00,  -8.70106682e+00,   -1.00000000e+00],
       [ -6.49790176e+00,  -2.34409845e+00,   4.69422613e+00,   -1.00000000e+00],
       [ -2.57471371e+00,  -4.64746879e+00,  -2.44909463e+00,   -1.00000000e+00],
       [ -5.80930468e+00,  -9.34624147e+00,   6.54159660e+00,   -1.00000000e+00]])
    '''

    w = array(weights)
    numFeatures = len(weights)
    dataSet = zeros((numLines, numFeatures + 1))

    for i in range(numLines):
        x = random.rand(1, numFeatures) * 20 - 10
        innerProduct = sum(w * x)
        if innerProduct <= 0:
            dataSet[i] = append(x, -1)
        else:
            dataSet[i] = append(x, 1)

    return dataSet

代码解释如下：

weights 是一个列表，里面存储的是我们用来产生随机数据的那条直线的法向量。
numLines 是一个正整数，表示需要创建多少个数据点。
numFeatures 是一个正整数，代表特征的数量
dataSet = zeros((numLines, numFeatures + 1)) 用于创建一个规模为numLines x (numFeatures + 1) 的数组，且内容全为 0。注意：numFeatures +