WDK学习笔记—Gin框架_感知机

摘要

项目：Gin框架是Go语言中的框架，该框架是用来做后端服务器的一个高性能框架，可用该框架编写服务器的路由组，编写前后端分离项目的后端服务器；
机器学习：学习的是感知机的数学原理；感知机是用于分类任务的，目标是找到一个最好的面将数据分类，目前看的是二分类的，多分类下如何构造感知机的损失函数还未知；
毕业设计：学弟已掌握fabric网络的搭建，熟悉了go语言，掌握了编写简单的链码，写好了论文目录框架；

---

一、项目：

1、 Gin框架的基本使用

1.1 下载框架

go get -u github.com/gin-gonic/gin

1.2 导入框架

import "github.com/gin-gonic/gin"

1.3 基本使用”三步“

1. 创建路由

   r := gin.Default()	//创建使用带有Logger和 Recovery中间件的路由
   r := gin.new()  //创建没有带中间件的路由
   

2. 定义请求方式
   下面代码若向本地端口/get发送get请求，则会返回JSON格式的数据"response": "hello"

   r.GET("/get", func(c *gin.Context) {
         
         
   		c.JSON(200, gin.H{
         
         
   			"response": "hello",
   		})
   	})
   

3. 开启端口监听
   监听本地127.0.0.1:8000端口(默认8080)

   r.Run(":8000")
   

1.4 一个小例子

定义GET、POST的请求方式，监听127.0.0.1:8000端口；

package main

import "github.com/gin-gonic/gin"

func main() {
    
    
	r := gin.Default()
	r.GET("/get", func(c *gin.Context) {
    
    
		c.JSON(200, gin.H{
    
    
			"response": "hello Get",
		})
	})

	r.POST("/post", func(c *gin.Context) {
    
    
		c.JSON(200, gin.H{
    
    
			"response": "hello Post",
		})
	})
	r.Run(":8000")
}

结果测试(测试用的是Postman软件，也可浏览器直接访问127.0.0.1:8000/get或127.0.0.1:8000/post;

1. get请求
   
2. post请求
   

2、进阶

2.1 使用中间件

中间件是夹在响应中间的函数，在执行每个响应前，首先会执行中间间函数。

1. 全局中间件

   r.Use(gin.Logger())
   

2.2 定义路由组

以下代码定义了一个路由组，v1/得到了复用，例如:
访问本地端口/v1/get1_2会返回"response":"get1_2"
访问本地端口/v1/post会返回"response":"post"

v := r.Group("v1/")
{
    
    
	v.Get("/get1_1", func(c *gin.Context){
    
    
		c.JSON(http.StatusOK, gin.H{
    
    
			"response":"get1_1",
		})
	})
	v.Get("/get1_2", func(c *gin.Context){
    
    
		c.JSON(http.StatusOK, gin.H{
    
    
			"response":"get1_2",
		})
	})
	v.post("/post", func(c *gin.Context){
    
    
		c.JSON(http.StatusOK, gin.H{
    
    
			"response":"post",
		})
	})
}

二、机器学习：

1. 感知机原理解析

1.1 将方程矩阵化

我们的目标是：找到一条最好的直线，将如下红蓝两类点分类。

如何找？设直线方程为:
$y=ax+b$
将其转换为：
$ax-y+b=0$
为了方便后面描述用符号$x_1$替换$x$，$x_2$替换$y$，得到：
$a{x}_1-x_2+b=0$
转换为矩阵形式：
$\left[\begin{array}{cc}a& -1\end{array}\right]\left[\begin{array}{c}{x}_1\\ x_2\end{array}\right]+b=0$
用$w$替代$\left[\begin{array}{cc}a& -1\end{array}\right]$，$x^T$代替$\left[\begin{array}{c}{x}_1\\ x_2\end{array}\right]$，$r$代替$b$，得到：
$wx+r=0$
此时的矩阵$w$和直线有什么关系呢？直线斜率为$a$，可以得到一个与原直线平行的向量$w^{\ast }=\left[\begin{array}{cc}1& a\end{array}\right]$，那么向量$w$与$w^{\ast }$的内积$w\ast w^{\ast }=0$，故向量$w$与$w^{\ast }$垂直，即向量$w$与直线垂直，所以$w$控制直线的斜率。而$r$显然是截距，控制直线平移。

1.2 找最大的间隔$d$

从高中数学知识中可以知道点到直线的距离公式为：
$d=\frac{|A{x}_0+B{y}_0+C|}{\sqrt{A^2+B^2}}$
在我们构造的矩阵方程$wx+r=0$中，$w$中包含了A,B的信息，故此时点到直线方程可写为：
$d=\frac{|wx+r|}{||w||}$

1.3 定义损失函数

以二分类为例，$x(R^n)$，$y(-1,1)$，那么对于误分类的点有$y\ast (w\ast x+b)<0$；如此得到损失函数为: