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