本文介绍了感知机算法的基本原理、伪代码以及原始算法和口袋算法的源代码。通过实例分析了两种算法在准确率、精确率、召回率和F1值上的表现，讨论了在面对非线性可分数据时的解决方案，并详细阐述了评估模型性能的四个关键指标的定义和意义。
任务简介
如图所示，数据集的X是一系列的属性值，Y是1或者-1，用感知机算法训练这样的分类模型，对于测试集这个分类模型能在Accuracy(准确率)、Precision(精确率)、Recall(召回率)、F1(F值)这4个指标上能尽可能的高
算法原理
感知机用以解决数据的二分类问题，例如输入为若干个n维的向量X及其对应的Y（+1或-1），算法目的就是找出最好的权值向量 W=[w1,w2,w3……,wn] W = [ w 1 , w 2 , w 3 … … , w n ] 以及一个偏置（阀值）b，使得 sign（X∗WT−b）==Y s i g n （ X ∗ W T − b ） == Y 对尽量多的输入是正确的，也就是能最好地将数据按照Y值分开。 令 w0=−b w 0 = − b ，
最低0.47元/天 解锁文章
扫一扫
1682
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
