ML—感知机算法(MATLAB)
来源:互联网 发布:友盟app数据统计 编辑:程序博客网 时间:2024/05/21 10:23
华电北风吹
天津大学认知计算与应用重点实验室
最后修改日期:2015/8/23
感知机算法属于比较简单的分类器算法,但是跟逻辑回归和支持向量机一样属于构建分类超平面。
不同的是感知机采用分错的样本与分类超平面的距离作为损失函数,下面的算法基于随机梯度下降法,采用异步方式达到收敛状态
function [w]=perceptionLearn(x,y,learningRate,maxEpoch)% Perception Learn Algorithm% x,y 一行为一个样本,y取值{-1,+1}[m,n]=size(x);x=[ones(m,1) x];w=zeros(1,n+1);finish=true;for epoch=1:maxEpoch for samlendex=1:m if sign(x(samlendex,:)*w')~=y(samlendex) finish=false; w=w+learningRate*y(samlendex)*x(samlendex,:) end end if finish==true break; endend
测试函数:
clear;clc;x=[3,3;4,3;1,1];y=[1,1,-1];plot(x(1:2,1),x(1:2,2),'*');hold on;plot(x(3,1),x(3,2),'p');% [w]=LogisticRegression(x,y,1,20);[w]=perceptionLearn(x,y,1,20);xline=linspace(0,5,20);yline=-w(2)/w(3).*xline-w(1)/w(3);plot(xline,yline);
结果图像如下:
1 0
- ML—感知机算法(MATLAB)
- ML 06、感知机
- ML—逻辑回归算法(MATLAB)
- 感知机算法的matlab实现
- [Matlab][数据挖掘算法][感知机]
- 【Python-ML】感知器学习算法(perceptron)
- ML—决策树算法实现(train+test,matlab)
- ML的45问(3)——神经网络与感知器法则、反向传播算法
- 感知机perceptron-机器学习ML
- 感知器算法----Matlab实现
- 感知机学习算法对偶形式(Matlab代码)
- 感知机(perceptron)算法与MATLAB实现
- ML—决策树(train,matlab)
- ML—AdaBoost算法
- 局部加权回归、逻辑斯蒂回归、感知器算法—斯坦福ML公开课笔记3
- 局部加权回归、逻辑斯谛回归、感知器算法—斯坦福ML公开课笔记3
- 局部加权回归、逻辑斯蒂回归、感知器算法—斯坦福ML公开课笔记3
- 局部加权回归、逻辑斯蒂回归、感知器算法—斯坦福ML公开课笔记3
- 【麦可网】Cocos2d-X跨平台游戏开发学习笔记---第五课:Hello World
- iOS-学习笔记-UI-第十五天
- 做了一个个人网站
- C++ Primer快速学习 第一章 入门
- Hibernate实体关系映射——双边的多对多关系
- ML—感知机算法(MATLAB)
- 黑马程序员————java中类的加载、反射、动态代理、枚举
- 基于动态链表的学生成绩管理系统
- Python字典操作
- ucore-lab3 实验报告
- Bash processing pipeline
- Hadoop Hbase数据库操作
- Java 书籍
- hdu(2795)——Billboard(简单的线段树的询问,以及建树的技巧)