感知机线性分类

最新推荐文章于 2023-03-19 23:59:57 发布

apcadc

最新推荐文章于 2023-03-19 23:59:57 发布

阅读量802

点赞数 1

文章标签：机器学习神经网络

本文链接：https://blog.csdn.net/apcadc/article/details/104871590

版权

本文介绍了感知机作为线性分类器的基本原理，包括判别函数的概念和感知机的学习过程。感知机通过一种赏罚机制适应性地调整权向量，适用于线性可分的二分类及多分类问题。对于线性不可分的情况，感知机无法找到解决方案。

摘要由CSDN通过智能技术生成

感知机线性分类

第一次写东西，见谅。最近在学机器学习，做一下笔记，加深下自己的印象。
判别函数的定义: 直接用来对模式进行分类的准则函数。
若分属于ω1，ω2的两类模式可用一方程d(X) =0来划分，那么称d(X) 为判别函数，或称判决函数、决策函数。
感知机这个算法不是特别的难，可以用来处理线性可分二分类问题，也可以处理线性可分的多分类问题，如果不可分的话感知机就没办法了。
感知器算法是一种赏罚过程
分类正确时，对权向量“赏”——这里用“不罚”，即权向量不变
分类错误时，对权向量“罚”——对其修改，向正确的方向转换

%%%%2020.3.9
%%
clear ;clc
% 定义多分类感知机算法 ;
X=[0,0;1,1;-1,1];
%定义修改权重步长c
c=1;
%获取矩阵行列
[N,M]=size(X);
%增广  初始化权重参数
XX=[X,ones(N,1)];
W=zeros(N,M+1);
d=zeros(N,1);
count=0;
%%
while 1
    
    for i=1:N
        %计算d 并判断
        for j=1:N
            d(j)=dot( XX(i,:),W(j,:) );
        end
        %计数d矩阵最大
        flag=0;
        switch(i)
            case 1
                for j=2:N
                    if( d(i)<=d(j) )
                    flag=1;
                    end
                end