機器學習基石 (Machine Learning Foundations) 作业1 Q15-17的C++实现
来源:互联网 发布:新时代股票交易软件 编辑:程序博客网 时间:2024/04/30 05:33
大家好,我是Mac Jiang。今天和大家分享Coursera-台湾大学-機器學習基石 (Machine Learning Foundations) -作业1的Q15-17题的C++实现。这部分作业的任务主要是写一个PLA分类器,用于解决一个4维数据的分类问题。我的代码也许能较好的运行PLA算法,但它不一定是最好最快的实现过程,如果各位博友有更好的思路,请留言联系,谢谢!希望我的博客能给您带来一些学习上的帮助!
其他解答请看汇总帖:http://blog.csdn.net/a1015553840/article/details/51085129
PLA是一种十分简单,快速的分类算法,有速度快、实现简单的特点,特别适用于样本是线性可分的情况。对于线性可分的样本,PLA的实现过程为:
{
1.寻找w(t)的下一个错误分类点(x,y)(即sign(w(t)’*x)!=y);
2.纠正错误:w(t+1) = w(t) + y*x;
}until(每个样本都无错)
1.第15题
(1)题意:从https://d396qusza40orc.cloudfront.net/ntumlone%2Fhw1%2Fhw1_15_train.dat 下为训练数据,他的x是4维的,而且这个数据集是线性可分的,编写PLA算法进行分类,问迭代多少次后算法结束?
(2)代码实现
#include<fstream>#include<iostream>#include<vector>using namespace std;#define DEMENSION 5double weight[DEMENSION];//权重值int step = 0;//修改次数int n = 0;//训练样本数char *file = "training_data.txt";//读取文件名//存储训练样本,input为x,output为ystruct record{ double input[DEMENSION]; int output;};//把记录存在向量里而不是存在结构体数组内,这样可以根据实际一项项添加vector<record> trainingSet;//将数据读入训练样本向量中void getData(ifstream &datafile){ while(!datafile.eof()) { record curRecord; curRecord.input[0] = 1; int i; for(i = 1; i < DEMENSION; i++){ datafile>>curRecord.input[i]; } datafile>>curRecord.output; trainingSet.push_back(curRecord); } datafile.close(); n = trainingSet.size(); }//计算sign值int sign(double x){ if(x <= 0)return -1; else return 1;}//两向量相加(实际为数组相加),将结果保存在第一个数组内,用于计算w(i+1)=w(i)+y*xvoid add(double *v1,double *v2,int demension){ int i; for(i = 0;i < demension; i++)v1[i] += v2[i];}//计算两数值相乘值,用于判断w*x是否小于0,若小于0要执行修正算法double multiply(double *v1,double *v2,int demension){ double temp = 0.0; int i; for(i = 0; i < demension; i++)temp += v1[i] * v2[i]; return temp;}//计算实数num与向量乘积放在result中,用于计算y*xvoid multiply(double *result,double *v,int demension,int num){ int i; for(i = 0; i < demension; i++)result[i] = num * v[i];}void PLA(){ int correctNum = 0;//当前连续正确样本数,当等于n则表明轮完一圈,则表示全部正确,算法结束 int index = 0;//当前正在计算第几个样本 bool isFinished = 0;//算法是否全部完成的表示,=1表示算法结束 while(!isFinished){ if(trainingSet[index].output == sign(multiply(weight,trainingSet[index].input,DEMENSION)))correctNum++;//当前样本无错,连续正确样本数+1 else{//出错,执行修正算法 double temp[DEMENSION]; multiply(temp,trainingSet[index].input,DEMENSION,trainingSet[index].output);//计算y*x add(weight,temp,DEMENSION);//计算w(i+1)=w(i)+y*x step++;//进行一次修正,修正次数+1 correctNum = 0;//由于出错了,连续正确样本数归0 cout<<"step"<<step<<":"<<endl<<"index="<<index<<" is wrong"<<endl; } if(index == n-1)index = 0; else index++; if(correctNum == n)isFinished = 1; } cout<<"total step:"<<step<<endl;}void main(){ ifstream dataFile(file); if(dataFile.is_open()){ getData(dataFile); } else{ cout<<"出错,文件打开失败!"<<endl; exit(1); } int i; for(i = 0; i < DEMENSION; i++)weight[i] = 0.0; PLA();}
(3)实验结果:
45次
2.第16题
(1)题意:由于样本的排列顺序不同,最终完成PLA分类的迭代次数也不同。这道题要求我们打乱训练样本的顺序,进行2000次PLA计算,得到平均迭代次数。
在C++中自带打乱顺序的算法:random_shuffle函数,在调用之前,需要#include
(2)实现:
#include<fstream>#include<iostream>#include<vector>#include<algorithm>using namespace std;#define DEMENSION 5double weight[DEMENSION];//权重值int step = 0;//修改次数int totalStep = 0;int n = 0;//训练样本数char *file = "training_data.txt";//读取文件名//存储训练样本,input为x,output为ystruct record{ double input[DEMENSION]; int output;};//把记录存在向量里而不是存在结构体数组内,这样可以根据实际一项项添加vector<record> trainingSet;//将数据读入训练样本向量中void getData(ifstream &datafile){ while(!datafile.eof()) { record curRecord; curRecord.input[0] = 1; int i; for(i = 1; i < DEMENSION; i++){ datafile>>curRecord.input[i]; } datafile>>curRecord.output; trainingSet.push_back(curRecord); } datafile.close(); n = trainingSet.size(); }//计算sign值int sign(double x){ if(x <= 0)return -1; else return 1;}//两向量相加(实际为数组相加),将结果保存在第一个数组内,用于计算w(i+1)=w(i)+y*xvoid add(double *v1,double *v2,int demension){ int i; for(i = 0;i < demension; i++)v1[i] += v2[i];}//计算两数值相乘值,用于判断w*x是否小于0,若小于0要执行修正算法double multiply(double *v1,double *v2,int demension){ double temp = 0.0; int i; for(i = 0; i < demension; i++)temp += v1[i] * v2[i]; return temp;}//计算实数num与向量乘积放在result中,用于计算y*xvoid multiply(double *result,double *v,int demension,double num){ int i; for(i = 0; i < demension; i++)result[i] = num * v[i];}void PLA(){ int correctNum = 0;//当前连续正确样本数,当等于n则表明轮完一圈,则表示全部正确,算法结束 int index = 0;//当前正在计算第几个样本 bool isFinished = 0;//算法是否全部完成的表示,=1表示算法结束 while(!isFinished){ if(trainingSet[index].output == sign(multiply(weight,trainingSet[index].input,DEMENSION)))correctNum++;//当前样本无错,连续正确样本数+1 else{//出错,执行修正算法 double temp[DEMENSION]; multiply(temp,trainingSet[index].input,DEMENSION,trainingSet[index].output);//计算y*x add(weight,temp,DEMENSION);//计算w(i+1)=w(i)+y*x step++;//进行一次修正,修正次数+1 correctNum = 0;//由于出错了,连续正确样本数归0 //cout<<"step"<<step<<":"<<endl<<"index="<<index<<" is wrong"<<endl; } if(index == n-1)index = 0; else index++; if(correctNum == n)isFinished = 1; }}void main(){ ifstream dataFile(file); if(dataFile.is_open()){ getData(dataFile); } else{ cout<<"出错,文件打开失败!"<<endl; exit(1); } int i; for(i = 0; i < 2000; i++) { random_shuffle(trainingSet.begin(), trainingSet.end()); int j; for(j = 0; j < DEMENSION; j++)weight[j] = 0.0; PLA(); totalStep += step; cout<<"第"<<i<<"次迭代的step:"<<step<<endl; step = 0; } cout<<"average step:"<<totalStep/2000<<endl;}
(3)实验结果:
平均40次
3.第17题
这道题实现更加简单,只要在num之前*0.5就可以了
void multiply(double *result,double *v,int demension,double num){ int i; for(i = 0; i < demension; i++)result[i] = num * v[i];}
大约为40次
from:http://blog.csdn.net/a1015553840/article/details/50979434
其他解答请看汇总帖:http://blog.csdn.net/a1015553840/article/details/51085129
- 機器學習基石 (Machine Learning Foundations) 作业1 Q15-17的C++实现
- 機器學習基石 (Machine Learning Foundations) 作业1 Q18-20的C++实现(pocket)
- Machine Learning Foundations q15
- 機器學習基石 机器学习基石 (Machine Learning Foundations) 作业二 Q19-20 C++实现
- 機器學習基石(Machine Learning Foundations) 机器学习基石 作业三 Q13-15 C++实现
- 機器學習基石(Machine Learning Foundations) 机器学习基石 作业三 Q18-20 C++实现
- 機器學習基石(Machine Learning Foundations) 机器学习基石 作业四 Q13-20 MATLAB实现
- 機器學習基石 (Machine Learning Foundations)
- 機器學習基石 机器学习基石(Machine Learning Foundations) 作业1 习题解答
- 機器學習基石(Machine Learning Foundations) 机器学习基石 作业二 课后习题解答
- 機器學習基石(Machine Learning Foundations) 机器学习基石 作业三 课后习题解答
- 機器學習基石(Machine Learning Foundations) 机器学习基石 作业四 课后习题解答
- coursera公开课:機器學習基石 (Machine Learning Foundations) 作业一(Question15)
- 機器學習基石 机器学习基石 (Machine Learining Foundations) 作业2 Q16-18 C++实现
- (机器学习基石)Machine Learning Foundations:Lecture 1
- 機器學習基石(Machine Learning Foundations) 机器学习基石 课后习题链接汇总
- 機器學習基石(Machine Learning Foundations) 机器学习基石 手写版笔记大全
- Machine Learning Foundations(NTU) 第一次作业
- 【SSH】Hibernate关联映射
- concurrent 包
- 毕业设计3-caffe配置手记
- C++枚举系统磁盘信息
- 下载及安装navicat for mysql unbuntu版
- 機器學習基石 (Machine Learning Foundations) 作业1 Q15-17的C++实现
- C++ dynamic_cast static_cast const_cast reinterpret_cast
- 通过分析 JDK 源代码研究 TreeMap 红黑树算法实现
- Comparable与Comparator的区别(转载)
- Java四种引用类型
- iOS开发实用技巧—Objective-C中的各种遍历(迭代)方式
- Reference 概念
- Alluxio源码分析:RPC框架浅析(二)
- mapreduce的作业流程