李航统计学习感知机学习算法 原始形式
2018-01-12 07:55
302 查看
# --- 感知机--- # 原始问题 from numpy import * x=array([[3,3],[4,3],[1,1]]) y=array([1,1,-1]) w=zeros((1,len(x[0]))) b=0 def sign(w,b,x): return mat(w)*mat(x).T+b def train(x,y,w,b,alpha=1): flag=True while flag: count = 0 # 代表误分类的点数 for i in range(len(x)): loss_func=sign(w,b,x[i]) if y[i]*loss_func <= 0: w+=alpha*y[i]*x[i] b+=alpha*y[i] count+=1 # 此时存在一个误分类的点 print(w) print(b) if count==0: flag=False return w,b c=train(x,y,w,b) print(c)
相关文章推荐
- 感知机(perceptron)学习算法的原始形式
- 李航 统计学习 感知机学习算法 对偶形式
- 人工神经网络——感知机学习算法的原始形式
- 感知机学习算法的原始形式的java简单实现
- 感知机学习算法的原始形式
- 统计学习方法之感知机算法对偶形式_李航
- 关于感知机学习算法的对偶形式
- 统计学习知识---感知机学习算法的拓展(非线性可分数据问题)
- 李航例题感知机原始形式python代码
- 感知机学习算法——统计学习方法笔记,代码实现
- 统计学习算法--感知机
- 感知机学习算法的对偶形式
- 机器学习-李航-统计学习方法学习笔记之感知机(1)
- 感知机学习算法对偶形式(Matlab代码)
- 感知机学习算法--统计学习方法
- 机器学习-李航-统计学习方法学习笔记之感知机(2)
- 感知机学习算法的对偶形式
- [置顶] 【统计学习方法】 感知机Python 原始形式实现
- 感知机(perceptron)学习算法的对偶形式
- 人工神经网络——感知机学习算法的对偶形式