机器学习基石中的PLA的实现

本文介绍了一个简单的Python实现的感知器学习算法(PLA),通过六个预设的二维坐标点进行训练,最终输出了经过五轮迭代后的权重值。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

PLA在Python下的简单实现

代码部分:(详细解释在代码中都有)

import numpy as np

from numpy import *

 

 

def pla():

    W=np.ones(3)#初始化所有权重为1

    count=0

 

    # 这里定义x0到x2,其中公式证明出来x0衡等于1,不解释

    # 自己构建六个可分割的二维坐标

    dataset=[[1,0.107,0.643 ,1],

            [1 ,0.241, 0.830 ,1],

            [1 ,0.233 ,0.810, 1],

            [1 ,0.361, 0.143, -1],

            [1, 0.469, 0.321, -1],

            [1, 0.859, 0.272, -1],

            ]

 

    # 循环一次后如果有差错的点进入下一次循环

    while True:

        count+=1

        iscompleted=True

        # 采用视频所说的每一次循环所有的点,出现差错就改

        fori in range(0,len(dataset)):

            # x取到倒数第一个,然后最后一个作为y的值

            X=dataset[i][:-1]

            Y=np.dot(W,X)#矩阵相乘

            # 计算出的结果和最后一个y值做对比

            ifsign(Y)==sign(dataset[i][-1]):

                continue

            else:

                iscompleted=False

               # 如果出错的话,做后一个根据视频中公式w=w+yx

                W=W+(dataset[i][-1])*np.array(X)

        # 如果本次循环一个点都没有出错的话把最终权重输出

        ifiscompleted:

            break

    print("final W is :",W)

    print("count is :",count)

    return W

 

 

 

w = pla()

 

数据部分的六个点为个人在二维坐标系上找到的六个可分割的点。在pla上跑一次之后得到的最终权重和训练轮数

训练了五轮。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

_我走路带风

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值