统计学习笔记--感知机模型

感知机，就是二类分类的线性分类模型，其输入为样本的特征向量，输出为样本的类别，取+1和-1二值，即通过某样本的特征，就可以准确判断该样本属于哪一类。顾名思义，感知机能够解决的问题首先要求特征空间是线性可分的，再者是二类分类，即将样本分为{+1, -1}两类。f(x)为一下函数：

f(x)=sign(w*x+b)

其中sign为符号函数，w为权值向量，b为偏移。

网上的感知机算法比较多，我在这里就不啰嗦了，具体可以参考

http://www.cnblogs.com/OldPanda/archive/2013/04/12/3017100.html

上面文章给的是python代码，我把c++代码贴上来吧

#include 
   
   
    
    
#include 
    
    
     
     
#include 
     
     
      
      
#include 
      
      
       
       
#include 
       
       
         #include "Sample.h" using namespace std; #define LA 0.1 class Perceptron { public: Perceptron(int s) : mSize(s){ mW = new float[s]; memset(mW, 0.1, sizeof(float) * s); mB = 0.1; } ~Perceptron() { delete []mW; } void train(sample * pSample, int pSize, sample * nSample, int nSize) { vector 
        
          pErrorSample; vector 
         
           nErrorSample; do { while(pErrorSample.size() > 0 || nErrorSample.size() > 0) { for (vector 
          
            ::iterator iter = pErrorSample.begin(); iter != pErrorSample.end(); ++iter) { for(int i=0; i 
           
             features[i]; mB += LA; } } for (vector 
            
              ::iterator iter = nErrorSample.begin(); iter != nErrorSample.end(); ++iter) { for(int i=0; i 
             
               features[i]; mB -= LA; } } } for(int i=0; i 
              
                0) { nErrorSample.push_back(nSample[i]); } } } while(pErrorSample.size() == 0 && nErrorSample.size() == 0); } private: float * mW; float mB; int mSize; }; 
               
              
             
            
           
          
         
       
      
      
     
     
    
    
   
   

最近coding量比较大，这段代码没有调试，当做参考吧