机器学习(二)线性分类的最小平方误差法

本篇最适合初学者进行自学学习,建议把本篇的代码自己敲一遍。

数据集已放出,在博主的下载界面自行下载

%%生成3个类别的数据(每个类别20个样本)
% data=randn(2,60);  %1类均值 0,0
% data(:,21:40)=data(:,21:40)+7;  %2类均值 7,7
% data(1,41:60)=data(1,41:60)+7;  %3类均值 7-7
% data(2,41:60)=data(2,41:60)-7;
%  scatter(data(1,1:20),data(2,1:20),'*');
%     hold on;
% scatter(data(1,21:40),data(2,21:40),'+');
%     hold on;
% scatter(data(1,41:60),data(2,41:60),'.');
%     hold on; 

data=reshape(trdata,784,60000);
data=data./255;

%数据升1维,定义权重向量w    
data(785,:)=ones(1,60000);

%定义类别标签
z=-1.*ones(10,60000);
for ab=1:10
    z(ab,sum(trnum(1:ab-1))+1:sum(trnum(1:ab)))=1;
end
% z(1,1:20)=1;
% z(2,21:40)=1;
% z(3
  • 1
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
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