机器学习基石中的PLA的实现

PLA在Python下的简单实现

代码部分：（详细解释在代码中都有）

import numpy as np

from numpy import *

 

 

def pla():

    W=np.ones(3)#初始化所有权重为1

    count=0

 

    # 这里定义x0到x2，其中公式证明出来x0衡等于1,不解释

    # 自己构建六个可分割的二维坐标

    dataset=[[1,0.107,0.643 ,1],

            [1 ,0.241, 0.830 ,1],

            [1 ,0.233 ,0.810, 1],

            [1 ,0.361, 0.143, -1],

            [1, 0.469, 0.321, -1],

            [1, 0.859, 0.272, -1],

            ]

 

    # 循环一次后如果有差错的点进入下一次循环

    while True:

        count+=1

        iscompleted=True

        # 采用视频所说的每一次循环所有的点，出现差错就改

        fori in range(0,len(dataset)):

            # x取到倒数第一个，然后最后一个作为y的值

            X=dataset[i][:-1]

            Y=np.dot(W,X)#矩阵相乘

            # 计算出的结果和最后一个y值做对比

            ifsign(Y)==sign(dataset[i][-1]):

                continue

            else:

                iscompleted=False

               # 如果出错的话，做后一个根据视频中公式w=w+yx

                W=W+(dataset[i][-1])*np.array(X)

        # 如果本次循环一个点都没有出错的话把最终权重输出

        ifiscompleted:

            break

    print("final W is :",W)

    print("count is :",count)

    return W

 

 

 

w = pla()

 

数据部分的六个点为个人在二维坐标系上找到的六个可分割的点。在pla上跑一次之后得到的最终权重和训练轮数

训练了五轮。