感知器算法(PLA)

最新推荐文章于 2025-07-01 11:10:49 发布

寒一

最新推荐文章于 2025-07-01 11:10:49 发布

阅读量911

点赞数 3

CC 4.0 BY-SA版权

分类专栏：模式识别文章标签：感知器算法 PLA wine数据集

本文链接：https://blog.youkuaiyun.com/little_white__/article/details/89134445

本文介绍了感知器线性算法（PLA），它是一种二分类模型，源于统计学习基础。PLA旨在找到将训练数据线性划分的超平面。虽然详细推导和模型未展开，但提到它作为神经网络和支持向量机的基础。文章通过简单的数据分类练习，最终应用于wine数据集的前两类分类训练，以求得准确率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

PLA全称是Perceptron Linear Algorithm，简称PLA

原理

《统计学习基础》李航

感知器是二分类的现行分类模型,其输入为实力的特征向量,输出为实例的类别,取+1和-1.属于判别模型.旨在求出将训练数据进行线性化分的分离超平面.

因此,主要思想是导入基于误分类的损失函数,利用梯度下降法对损失函数进行极小化,最后求出感知器判别面.

感知器算法可以分为原始形式和对偶形式,是神经网络和支持向量机的基础.

感知器模型

这部分以后再补，（公式难敲）

推导

这部分以后再补，（公式难敲）

几何理解

对偶问题

这部分以后再补，（公式难敲）

算法程序

先练练手，这一部分是对简单数据的分类
在这里插入图片描述

import numpy as np
import matplotlib.pyplot as plt

def PLA(train_x, train_y):
    m, n = train_x.shape
    train_x = np.column_stack((train_x, np.ones((m, 1))))  
    weights = np.ones(n+1)
    
    i = 0
    while i < m:
        x =

最低0.47元/天解锁文章

200万优质内容无限畅学