数据挖掘-感知机模型的R实现

Rr-7

已于 2022-06-21 11:59:41 修改

阅读量371

点赞数

分类专栏：数据挖掘文章标签：数据挖掘 r语言

于 2022-06-21 11:15:28 首次发布

本文链接：https://blog.csdn.net/qq_46118322/article/details/125387138

版权

这篇博客介绍了如何使用R语言实现感知机模型，包括原始形式和对偶形式的代码实现，并通过课本上的例子进行检验，结果显示与课本一致。博主强调在实际编程中需考虑线性不可分情况，可能需要添加限制条件防止无限循环。

摘要由CSDN通过智能技术生成

本次为学生时期所写的实验报告，代码程序为课堂学习和自学，对网络程序有所参考，如有雷同，望指出出处，谢谢！

基础知识来自教材：李航的《统计学习方法》

本人小白，仍在不断学习中，有错误的地方恳请大佬指出，谢谢！

一、代码实现（R语言）

1.原始形式

#原始形式
myfun1<-function(X,Y,w,b=0,s=0.5,ddmax=100){            
  
  #X为特征向量组成的矩阵，行数为向量的维数；y取值为±1；b默认值为0，步长默认值为0.5，最大迭代次数默认为100
  
  N = ncol(X)                        #N为特征向量的个数
  k=1
  
  B = matrix(NA,nrow = ddmax)         #设置长度为最大迭代次数的空向量
  i = 1
  B[i]=sum(as.integer(Y*(w%*%X+b)<=0))   

  
  while (i<=ddmax) {
    
    for (j in 1:N){
      if (Y[j]*(w%*%X[,j]+b)<=0){              
        w = w + s*Y[j]*X[,j]
        b = b + s*Y[j]
      }else{