[机器学习][3]--口袋算法与线性回归

本文介绍了一个使用机器学习实现的项目,通过具体展示汉字结构,革新了传统汉字教学方式。作者分享了自己的小作品,旨在促进对汉字结构的理解,并邀请读者提供反馈。
摘要由CSDN通过智能技术生成
[机器学习][3]--口袋算法与线性回归


  今天将会接着第一篇文章的PLA算法接着讲下去,将会去优化PLA算法。

  首先有个问题需要说一下,一般来说,如果要测试某个模型的可用性,最好就是利用真实数据。但是由于我没能找到好的数据来做测试,所以我下面就用随机生成的数据来做为例子了
 
  说一下参考文章:加州理工学院公开课:机器学习与数据挖掘_线性模型

  首先,我们看一下PLA算法的问题:
  计算量太大,上次就20组数据不到,就要计算300+次

  下面我们就一步一步看看如何来优化
  1.先生成我们要用的数据
  
downr = Table[{xr = RandomReal[5], 
    yr = RandomReal[5 - xr] + RandomReal[.5], -1}, {200}];
upr =  Table[{xr = RandomReal[5], yr = RandomReal[{5 - xr, 5}], 
    1}, {150}];
   2.接着我们把图画出来
data = Join[downr, upr];
temp = data[[All, {1, 2}]];
p1 = ListPlot[
  Table[Style[temp[[i]], Hue[.25*data[[i, 3]] + .75]], {i, 1, 
    Length[data]}],
  AxesOrigin ->
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值