感知机的原始形式和对偶形式,并说明Gram矩阵的用处及对比两种形式的时间

本文深入探讨感知机的原始形式和对偶形式,重点阐述Gram矩阵在减少计算时间中的关键作用。通过对比,发现对偶形式在时间效率上显著优于原始形式,同时其代码实现相对简洁。

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

本文算法来源于李航的《统计学习方法》。
本文主要实现其中的两种算法,并做两种时间的对比。
在这里插入图片描述
不难看出这里面有固定不变的部分
在这里插入图片描述
是不变的可以用gram矩阵储存,减少后续计算部分,这个也是计算时间大幅度减少的主要原因。

public class Test1_1 {
    public static double[]w = {0.0,0.0} ;//初始值
    public static double b =0.0;//初始值
    public static int number;//记录迭代次数
    public static int N=10000;//记录数据多少
    public static double arg = 1.0;
    public static boolean flag = true;//记录是否需要继续迭代
    public static double gram[][] = new double[N][N];//对偶形式的Gram矩阵
    public static Data datas[] = new Data[N];//数据
    public static double a[] = new double[N];//对偶形式中的ai
    static class Data{
        double x1 = 0.0;
        double x2 = 0.0;
        int y = 0;
    }
    public static void ma
评论 3
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
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