- principio de ajuste algoritmo
- Si la clasificación por puntos es correcta, no hacer nada.
- Si el punto se clasifica como positiva, pero la etiqueta es negativo, restando ap, αq, y α a w_1, w_2, w1, w2, y bb
- Si el punto está clasificado como negativa, pero la etiqueta es positivo, respectivamente, ap, αq, y W_1 α añadido, la w_2, w1, w2, y bb
perceptrón algoritmo
Armado con habilidades Perceptrón, podemos escribir el algoritmo Perceptron completa la operación!
El siguiente video describe el algoritmo de percepción pseudo-código, y ahora usted no tiene que preocuparse acerca de lo que es la (tasa de aprendizaje) tasa de aprendizaje, después del curso detallaremos qué el pseudo-código aquí, no es la tasa de aprendizaje.
En el vídeo de la siguiente prueba, usted tendrá la oportunidad de ser compilado con código de Python y vistazo a sus propios resultados de la clasificación Perceptrón. Vamos!
Repetición
Mudo
Cargado: 100,00%
Tiempo restante -0: 00
Velocidad de reproducción
0.75x
subtítulos
Picture-in-PictureFullscreen
algoritmo de la percepción de escritura
El código escrito! En este ejercicio, va a lograr el algoritmo de la percepción de clasificar los siguientes datos (archivos ubicados en data.csv).
Perceptron muestra en los pasos siguientes. Para el punto eje de coordenadas (p, q) (p, q) de la etiqueta y, y la ecuación \ hat {y} = paso (w_1x_1 + w_2x_2 + b) y ^ = paso (w1 x1 + w2 x2 + b) análisis de predicción
- Si la clasificación por puntos es correcta, no hacer nada.
- Si el punto se clasifica como positiva, pero la etiqueta es negativo, restando \ alpha p, \ alpha q, ap, αq, y \ alphaα a w_1, w_2, w1, w2, y bb
- Si el punto está clasificado como negativa, pero la etiqueta es positivo, respectivamente, \ alpha p, \ alpha q, ap, αq, y \ alphaα W_1 añadió, el w_2, w1, w2 ,, bb.
A continuación, haga clic en 测试运行trazada Perceptrón soluciones algorítmicas dadas. En realidad, es un conjunto de líneas de trazos que muestra cómo cerca algoritmo de solución óptima (representada por la línea de color negro sólido).
Siéntase libre de cambiar los parámetros del algoritmo (número de época, el aprendizaje de las tasas, incluso al azar parámetros iniciales), para ver el impacto de las condiciones iniciales de soluciones!
