AI-统计学习（3）-分类-感知机-python 实例代码

     感知机模型一般用来做二分类，找分类超平面的。概念请参看前篇。本篇是python的具体实现。

    示例输入：

           X_train=np.array([[3,3],[4,3],[1,1]])

           y_train=np.array([1,1,-1])//标签

           求超平面

    示例输出：

            左边是b=0,右是b=1,当然，参数不同，结果不同。

---

1.算法步骤

2.编码步骤

3.调三个参数 正序检查、负序检查

---

1.算法步骤

     1.1选出初始值

     1.2在训练数据集中选数据（x1,y1）

      1.3.如果yi(wx+b)<0;

                w=w+nyx

                  b=b+ny

      1.4.转至2 直到训练集中没有误分类点

 

2.编码步骤

        2.1.构造训练数据集

X_train=np.array([[3,3],[4,3],[1,1]])
y_train=np.array([1,1,-1])#样本标签

        2.2构建感知机对象，对数据集继续训练

 perceptron=MyPerceptron()
 perceptron.fit(X_train,y_train)

        2.3结果图像绘制

 

3.参数说明

        此模型依赖于参数初始值，调参时的实例输入顺序，不同初始值，不同顺序出入会出不同结果。

       参数：self.w=None #一般为实例的向量维度

                 self.b=0    #常数，自定义。上图左边为b=0 和右边为b=1。

                 self.l_rate=1 #学习步长