机器学习-感知机（李航统计学习方法）

感知机

本篇是对李航的统计学习方法的第二章感知机的学习之后的练习，练习和代码如下

1. 写python程序，输出书里的表2.1，绘制每一步的样本和超平面

输入为一个csv文件

导入需要的库

import numpy as np
import matplotlib.pyplot as plt

输入数据采用读取csv文件的方式，内容如上所示

x=[]
y=[]
f = open('example2.1.csv', 'r')
for line in f.readlines():
    curLine = line.strip().split(',')
    x.append([int(curLine[0]),int(curLine[1])])
    y.append(int(curLine[2]))
x=np.array(x)
y=np.array(y)

def perceptron(x,y):
    w = np.zeros(x.shape[1])
    b = 0
    n = 1
    flag=0
    num=0
    while flag == 0:
        flag=1
        for i in range(len(y)):
            if y[i]*(np.dot(w,x[i])+b)<=0:
                w = w + n * y[i] * x[i]
                b = b + n * y[i]
                flag=0
                num+=1
                print(num,'x'+str(i+1),w,b,f'{int(w[0])}x(1)+{int(w[1])}x(2)+({b})')
                show(x,w,b)


def show(x,w,b):
    plt.xlim(0, np.max(x.T[0]) + 1)
    plt.ylim(0, np.max(x.T[1]) + 1)
    plt.scatter(x[:,0], x[:,1])
    if w.all()==0:
        plt.plot([0, b], [b, 0])
    elif w[0]==0:
        plt.plot([0, 0], [-b / w[1], 0])
    elif w[1]==0:
        plt.plot([0, -b / w[0]], [0, 0])
    else:
        plt.plot([0,-b/w[0]],[-b/w[1],0])
    plt.show()
    //对每次迭代的结果进行可视化输出

perceptron(x,y)

2. 编程求表2.2，输出每一步的中间结果

导入需要的库

import numpy as np

输入数据采用读取csv文件的方式

x=[]
y=[]
f = open('example2.1.csv', 'r')
for line in f.readlines():
    curLine = line.strip().split(',')
    x.append([int(curLine[0]),int(curLine[1])])
    y.append(int(curLine[2]))
x=np.array(x)
y=np.array(y)
def perceptron(x,y):
    a = np.zeros(x.shape[0]).T
    g = np.dot(x,x.T)
    b = 0
    n = 1
    flag=1
    while flag == 1:
        flag=0
        for i in range(len(y)):
            if y[i]*((a*y@g[i])+b)<=0:
                b = b + n * y[i]
                a[i] = a[i] + n
                flag=1
                print('x'+str(i+1),a,b)
perceptron(x,y)