[机器学习][3]--口袋算法与线性回归

最新推荐文章于 2024-07-14 22:09:26 发布

WMN7Q

最新推荐文章于 2024-07-14 22:09:26 发布

阅读量1.5k

点赞数

分类专栏：机器学习文章标签：算法 mathematica 机器学习

本文链接：https://blog.csdn.net/WMN7Q/article/details/54974695

版权

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 ->