2.基于感知机的二分类问题

最新推荐文章于 2023-03-27 15:27:57 发布

该用户没有用户名

最新推荐文章于 2023-03-27 15:27:57 发布

阅读量855

点赞数

CC 4.0 BY-SA版权

分类专栏： tensorflow 文章标签： python 深度学习机器学习

本文链接：https://blog.youkuaiyun.com/qq_34764167/article/details/105921283

tensorflow 专栏收录该内容

9 篇文章

订阅专栏

本文通过Python和matplotlib库生成两类数据点，并利用随机梯度下降法训练一个简单的线性分类器来区分这两类数据。文章详细展示了数据生成、可视化、模型训练及最终分类边界绘制的过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import numpy as np
import matplotlib.pyplot as plt

np.random.seed(0)
Num = 100

x_1 = np.random.normal(6,1,size=(Num))
x_2 = np.random.normal(3,1,size=(Num))
y  = np.ones(Num)*-1
c_0 = np.array([x_1,x_2,y])    # -1分类

x_1 = np.random.normal(3,1,size=(Num))
x_2 = np.random.normal(6,1,size=(Num))
y  = np.ones(Num)
c_1 = np.array([x_1,x_2,y])    # 1分类

c_0 = c_0.T
c_1 = c_1.T

plt.scatter(c_1[:,0],c_1[:,1])
plt.scatter(c_0[:,0],c_0[:,1],marker='+')

<matplotlib.collections.PathCollection at 0x24b24683988>

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-W7G4pY4f-1588587740917)(output_5_1.png)]

# 建立数据集，分训练集和测试集
All_data = np.concatenate((c_1,c_0))
print(All_data.shape)
np.random.shuffle(All_data)
train_data_X = All_data[:150,:2]  # [)
train_data_y = All_data[:150,-1].reshape(150,1)
test_data_X = All_data[150:,:2]
test_data_y = All_data[150:,-1].reshape(50,1)
print(train_data_X.shape,train_data_y.shape,test_data_X.shape,test_data_y.shape)

(200, 3)
(150, 2) (150, 1) (50, 2) (50, 1)

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-QXJiyX2O-1588587740921)(attachment:7e9b90ac-01e7-4694-a16b-9a7094372ac5.png)]

W = np.zeros((2,1))
T = 100#最大迭代次数
k = 0
train_data = np.concatenate((train_data_X,train_data_y),axis=1)
train_data.shape
#train_data[0][-1]

(150, 3)

# 训练模型
for t in range(T):
    np.random.shuffle(train_data)
    for i in range(len(train_data)):
        # 选择第i个样本
        pred = np.dot(W.T,(train_data[i][-1]*train_data[i][:2]).reshape(2,1))[0,0]
        if pred <= 0:
            W = W + (train_data[i][-1]*train_data[i][:2]).reshape(2,1)

array([[-43.38640304],
       [ 47.145247  ]])

plt.scatter(c_1[:,0],c_1[:,1])
plt.scatter(c_0[:,0],c_0[:,1],marker='+')
x = np.arange(10)
y = -(W[0]*x)/W[1]
plt.plot(x,y)

[<matplotlib.lines.Line2D at 0x24b2474c208>]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-rNxykPGB-1588587740925)(output_11_1.png)]