统计学习方法 第二章习题

最新推荐文章于 2021-11-22 14:50:45 发布
最新推荐文章于 2021-11-22 14:50:45 发布
阅读量297 收藏
点赞数
分类专栏： 自然语言处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_26954059/article/details/105180644
版权
本文探讨了感知机无法表示异或问题的原因，通过真值表和几何直观解释了其线性不可分的特性。同时，介绍了使用感知机进行实例演示，包括原始形式和对偶形式的算法实现。
摘要由CSDN通过智能技术生成

2.1感知机为啥不能表示异或？

写出异或真值表

异或真值表
0 0 0
0 1 1
1 0 1
1 1 0

 

 

在坐标轴上画出这几个点，因为感知机是线性的，所以无论如何无法找到一个分离超平面的。

2.2做一个例子

（直接拿的是配套书本上的资源，写了原始形式和对偶形式两个算法形式）

#-------------------------------------------------------------------------------
# Name:        感知机
# Purpose:
#
# Author:      nkenen
#
# Created:     29/03/2020
# Copyright:   (c) Administrator 2020
# Licence:     <your licence>
#-------------------------------------------------------------------------------
import numpy as np
import pa
最低0.47元/天 解锁文章
nkenen
关注
专栏目录
李航《统计学习方法》第2版 第2章 sklearn模块实现感知机（书本40页-例题2.1）
weixin_43646592的博客
11-09 353
Perceptron()的参数，根据需要自己调整即可： 代码： from sklearn.linear_model import Perceptron import numpy as np #2个正实例样本，1个负实例样本 X_train = np.array([[3,3],[4,3],[1,1]]) y = np.array([1,1,-1]) perceptron = Perceptron(max_iter=1000,tol=1e-3,eta0=1) perceptron.fit(X_train,
李航《统计学习方法》第2版 第2章课后习题答案
weixin_43646592的博客
11-09 5781
习题2.1 题目：Minsky与Papert指出：感知机因为是线性模型，所以不能表示复杂的函数，如异或（XOR），验证感知机为什么不能表示异或。 习题2.2 题目：模仿例题2.1，构建从训练数据集求解感知机模型的例子。 解：这里用python代码分别实现一下感知机学习算法的原始形式与对偶形式 原始形式： """ 感知机(原始形式)：实现书本P40页 例题2.1 """ import numpy as np import matplotlib.pyplot as plt class MyPerceptr
李航《统计学习方法》第二章习题和笔记
qiutian的博客
01-09 1059
李航《统计学习方法》第二章习题和笔记感知机模型点到平面公式的推导两种思路 感知机模型 模型：f(x)=sign(w⃗⋅x⃗+b)f(x) = {\rm sign}(\vec w \cdot \vec x +b)f(x)=sign(w⋅x+b) 注意w和b是n维向量，b是常数偏置 策略：损失函数：L(w⃗,b)=−∑xi∈Myi(w⃗⋅x⃗i+b)L(\vec w, b) = -\sum \limi...
《统计学习方法》-感知机-例2.1
qq_34661520的博客
05-22 608
import numpy as np x = np.array([[3,3],[4,3],[1,1]]) #[[3,3],[4,3],[1,1]] y = np.array([1,1,-1]) w0 = np.array([0,0]) b0 = 0 lr = 1 loss = 0 print(w0,b0) i = 0 count = 0 while True: count...
统计学习方法例2.1实现（转）
微电子学与固体电子学-俞驰
10-02 700
对应李航《统计学习方法》 P29的 例2.1 # -*- coding: utf-8 -*- import sys reload(sys) sys.setdefaultencoding('utf-8') # @Author: appleyuchi # @Date: 2018-10-02 21:54:30 # @Last Modified by: appleyuchi # @Last Mod...
统计学习方法课后习题
Amazingjadewu
05-17 1万+
第2章 感知机 2.1 第三章 K近邻算法 3.1 3.3 第五章 5.1 第2章 感知机 2.1 模仿例题2.1，构建从训练数据求解感知机模型的例子。 例题 2.1 的数据集如下： x = [3 3; 4 3; 1 1]; y = [1; 1; -1]; 感知机的训练过程为： （1）选取初值w和b （2）从训练集中选取数据(xi,yi)(xi,...
《统计学习方法》第10章习题答案
时间的玫瑰的博客
12-11 2090
10.2 参考：李航统计学习方法第二版第十章习题解答 α1(1)=π1b1(o1)=0.2×0.5=0.1\alpha_1(1) = \pi_1 b_1(o_1) = 0.2 \times 0.5 = 0.1α1​(1)=π1​b1​(o1​)=0.2×0.5=0.1 α1(2)=π2b2(o1)=0.3×0.4=0.12\alpha_1(2) = \pi_2 b_2(o_1) = 0.3 \times 0.4 = 0.12α1​(2)=π2​b2​(o1​)=0.3×0.4=0.12 α1(3)=π3b3
《统计学习方法》第8章习题答案
时间的玫瑰的博客
12-04 3508
8.1 class Adaboost_tree: def __init__(self, X, Y): self.X = np.array(X) self.Y = np.array(Y) self.N = len(X) self.feature_num = len(X[0]) self.w = np.array([1 / self.N] * self.N) self.g_x = [] sel
李航 统计学习方法 第五章 决策树 课后 习题 答案
热门推荐
fxnfk
07-24 4万+
决策树是一种基本的分类和回归方法。决策树呈树形结构，在分类问题中，表示基于特征对实例进行分类的过程。它可以认为是if-then规则的集合，也可以认为是定义在特征空间和类空间上的条件概率分布。学习时，利用训练数据，根据损失函数最小化的原则建立决策树模型。预测时，对新的数据，利用决策树模型进行分类。决策树学习通常包括三个步骤：特征选择、决策树的生成和决策树的剪枝。（ID3、C4.5、CART）
李航《统计学习方法》例2.1 感知机学习算法的原始形式——实现代码
少年一贯快马扬帆，道阻且长不转弯； 要盛大，要绚烂，要哗然； 要用理想的泰坦尼克，去撞现实的冰川； 要当烧赤壁的风，而非借鉴草船； 要为了一片海，就肯翻万山。
01-11 3187
# 2020.01.11 By yangbocsu 例2.1如图2.2所示的训练数据集，其正实例点是1= (3,3)T, 2= (4,3)T，负实例点是:3=(1,1)"，试用感知机学习算法的原始形式求感知机模型f(x)=sign(wx+b)。这里，w= (w(1), w(2))T", x= (x(1), x(2))T。 参考代码： # 2020.01.11 By yangbocsu import numpy as np import matplotlib.pyplot a...
统计学习方法第二章例题2.2代码实践，感知机的对偶形式的代码实现
GrinAndBearIt的博客
01-10 1089
针对统计学习方法第二章的第二个例题设计了代码如下： （注释部分为自己出错的部分调试代码，小白码代码略扎心） #-*- coding:utf-8 -*- import sys from numpy import * import os from compiler.ast import flatten reload(sys) sys.setdefaultencoding('utf-8') #
统计学习方法第二章例题2.1代码实践
GrinAndBearIt的博客
01-10 1190
本程序是将统计学习第二章的例题2.1用代码运算出来 #-*- coding:utf-8 -*- import os import sys from numpy import * reload(sys) sys.setdefaultencoding('utf-8') #首先将书上的训练集输入 def loadDataset(): dataset=[[3,3],[4,3],[1,1]]
李航 统计学习方法 第二版 课后习题答案
wang_xinyu的博客
12-21 1万+
第一章：https://blog.csdn.net/weixin_43646592/article/details/109551026 第二章： https://blog.csdn.net/weixin_43646592/article/details/109572240 https://blog.csdn.net/sanmaopep/article/details/78542361?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendF
统计机器学习--感知机
qq_28634403的博客
04-23 490
今天开始， 要开始学李航的统计机器学习了，虽然现在都是深度学习横着走，但基础的东西还是要学起来的，一直想学这本书，因为太多别的事情，一直在拖，今天决定不再拖延，在五一之前都专心学李航这本书，把该掌握的都掌握了。（立下一个不可能实现的flag） 本博客不会详细介绍书里的内容，主要作为我个人的笔记记录，（毕竟有书，我没必要把书抄一遍）。另外会贴大佬的代码并进行必要的讲解，不过终究是大佬的代码，这次学...
《统计学习方法》第 2 章 感知机 可视化
weixin_34233856的博客
06-05 226
原理 假设输入空间（特征空间）是 ，输出空间是 模型 称为 感知机。 和 为感知机模型参数 叫作权重/权值（weight）或权值向量（weight vector） 叫作偏置（bias） 表示 和 的内积 是符号函数 策略 假设训练数据集是线性可分的 感知机学习的目标是求得一个能够将训练集正实例点和负实例点完全正确分开的分离超平面。为了找出这样的超平面，即确定感知机模型参数 ...
周志华《机器学习》课后习题（第七章）：贝叶斯分类
红色石头的专栏
06-03 1万+
作者 |我是韩小琦链接 |https://zhuanlan.zhihu.com/p/517687507.1 试使用极大似然法估算回瓜数据集 3.0 中前 3 个属性的类条件概率.答：...
感知机不调包代码学习笔记
sakuradada的博客
11-22 1372
使用sklearn自带的莺尾花数据集 import pandas as pd import numpy as np from sklearn.datasets import load_iris import matplotlib.pyplot as plt #导入莺尾花数据集 iris = load_iris() df = pd.DataFrame(iris.data,columns=iris.feature_names) df['label']=iris.target df.columns=['sep
统计学习基础：第二版扩充与更新
《统计学习元素》第二版作为一部权威的参考书，不仅提供了全面的机器学习理论框架，还紧跟行业发展，为学习者和专业人士提供了深入理解和掌握统计学习方法的宝贵资源。无论你是初学者还是经验丰富的从业者，它都是...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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