感知机对偶形式的Python代码实现

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

感知机(Perceptron)1957年由Rosenblatt提出，是神经网络与支持向量机的基础。感知机学习算法具有简单而易于实现的优点，分为原始形式和对偶形式输入为实例的特征向量，输出为实例的类别，取+1和-1感知机对应于输入空间中将实例划分为正负两类的分离超平面，属于判别模型导入基于误分类的损失函数利用梯度下降法对损失函数进行极小化'''import numpy as npclass Dual_Perceptron(object):        def __init__(self, X, y,  eta = 1, n_iter = 100):        self.eta = eta        self.n_iter = n_iter            def fit(self, X, y):        self.errors_ = []        self.Remp_ = []        self.Gram = np.zeros((len(X), len(X)))        for i in np.arange(len(X)):            for j in np.arange(len(X)):                self.Gram[i,j] = self.Gram[j,i] = X[i] @ X[j] + 1            self.alpha = np.zeros(len(X))        self.b = 0        self._L = y * self.alpha @ self.Gram        n = 1        while np.any(self._L <= 0) and n <= self.n_iter:            error_id = np.argmax(self._L <= 0)            self.alpha[error_id] += self.eta            self.b += self.eta * y[error_id]            self._L = y * (y * self.alpha @ self.Gram)            Remp = -1 * np.sum(self._L[self._L <= 0])            print(f'Round {n}: alpha: {self.alpha}, Remp: {Remp}')            self.errors_.append(np.sum(self._L <= 0))            self.Remp_.append(Remp)            n += 1                    self.w = self.alpha * y @ X        print(f'w: {self.w}, b: {self.b}')                def predict(self, X):        return np.sign(X @ self.w + self.b)

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：python object Errors import Alpha

相关内容：Python代码实现

点个赞加点人气
感谢分享