Python实现感知器
2017-09-01 14:45
375 查看
# -*- coding: utf-8 -*- """ Created on Fri Sep 1 11:56:12 2017 @author: piaodexin """ # import pandas as pd import numpy as np #生成正标签数据 x1=np.random.randn(50,2)+40 y1=np.ones((50,1)) data1=np.hstack([x1,y1]) #生成负标签数据 x2=np.random.randn(50,2) y2=-np.ones((50,1)) data2=np.hstack([x2,y2]) #将数据合并 data=np.vstack([data1,data2]) from sklearn import cross_validation #将原始数据分成训练数据,和测试数据 train_x,test_x,train_y,test_y=cross_validation.train_test_split(data[:,:-1],data[:,-1],test_size=0.25, random_state=0,stratify=data[:,-1]) #初始化权重和偏差 w=np.random.randn(2) b=np.ones(1) #设置学习率 a=0.1 c=0 #进行3000轮实验 while c<3000: for i in range(len(train_x)): #如果某次分类错误,则修改权值和偏差 if train_y[i]*(np.sum(w*train_x[i])+b)<=0: w+=a*train_y[i]*train_x[i] b=a*train_y[i] c+=1 #最后在测试集上检验正确率 count=0 for i in range(len(test_x)): if train_y[i]*(np.sum(w*train_x[i])+b)<=0: count+=1 precision=(len(test_x)-count)/len(test_x)
相关文章推荐
- python实现感知器算法详解
- python实现自适应线性感知器算法
- 李航《统计学习方法》第二章——用Python实现感知器模型(MNIST数据集)
- 机器学习——感知器算法及python实现
- Python使用Matplotlib和Imagemagick实现感知器算法可视化与GIF导出
- python3实现感知器
- Python实现感知器模型、两层神经网络
- 单层感知器的python实现
- python实现感知器
- 机器学习与神经网络(二):感知器的介绍和Python代码实现
- python实现简单感知器
- [置顶] 使用python实现的简单二分类器—感知器
- 第二章——用Python实现感知器模型(MNIST数据集)
- 神经网络-感知器算法python代码实现
- 《统计学习方法》——对偶感知器的python实现
- 感知器实现(python)
- 数据挖掘——单层感知器的Python实现
- python实现神经网络感知器算法
- Python 实现感知器模型、两层神经网络
- Python使用multiprocessing实现一个最简单的分布式作业调度系统