python 生成测试数据点(带有标签的线性可分和线性不可分)
来源:互联网 发布:omnigraffle 网络模板 编辑:程序博客网 时间:2024/05/29 07:46
<span style="font-family: Arial, Helvetica, sans-serif;"># -*- coding: utf-8 -*-</span>
import numpy as npimport randomN = 10 #生成训练数据的个数# AX=0 相当于matlab中 null(a','r')def null(a, rtol=1e-5): u, s, v = np.linalg.svd(a) rank = (s > rtol*s[0]).sum() return rank, v[rank:].T.copy()# 符号函数,之后要进行向量化 def sign(x): if x > 0: return 1 elif x == 0: return 0 elif x < 0: return -1#noisy=False,那么就会生成N的dim维的线性可分数据X,标签为y#noisy=True, 那么生成的数据是线性不可分的,标签为y def mk_data(N, noisy=False): rang = [-1,1] dim = 2 X=np.random.rand(dim,N)*(rang[1]-rang[0])+rang[0] while True: Xsample = np.concatenate((np.ones((1,dim)), np.random.rand(dim,dim)*(rang[1]-rang[0])+rang[0])) k,w=null(Xsample.T) y = sign(np.dot(w.T,np.concatenate((np.ones((1,N)), X)))) if np.all(y): break if noisy == True: idx = random.sample(range(1,N), N/10) y[idx] = -y[idx] return (X,y,w) if __name__ == '__main__': sign = np.vectorize(sign) X,y,w = mk_data(10)
0 0
- python 生成测试数据点(带有标签的线性可分和线性不可分)
- 线性可分 线性不可分
- 线性可分与线性不可分
- 线性可分 与线性不可分
- 【SVM理论到实践3】OpenCv中自带的两个例子:线性可分和线性不可分代码解读
- SVM 为何需要核函数 & 线性不可分转化为高维线性可分
- (线性可分/不可分)线性支持向量机matlab详细解读
- 线性不可分和核函数
- 用Python处理多分类的线性可分问题
- 在模式分类中线性相关和线性可分的理解
- SVM之线性不可分
- 在PostgreSQL中如何生成线性相关的测试数据
- python 机器学习 支持向量机 线性可分
- 线性可分Linear separability
- 6.线性不可分(四)
- SVM之解决线性不可分
- 支持向量机,线性不可分和核函数
- 多层神经网络解决线性不可分问题【写给自己的博客】
- PostgreSQL earth distance module
- oracle10g 安装笔记
- 学习小结20151014--小标签
- 本博简介
- hdu1018Big number(N!的位数-斯特林公式)
- python 生成测试数据点(带有标签的线性可分和线性不可分)
- 1043_输出PATest
- A20-TVOBX-v2.0.tar.gz 编译问题
- 求3-100之间的素数
- PostgreSQL json jsonb 支持的value数据类型,如何构造一个jsonb
- 基于Theano的深度学习(Deep Learning)框架Keras学习随笔-04-目标函数
- 九度OJ 1002:Grading
- System 类和日期类
- 关于字符串的判空问题