搜索资源列表
perceptron.zip
- % 单层感知器 与、或、以及其他逻辑功能的实现 % 采用step逐步逐行运行方式,了解学习过程的细节 % 尝试重新定义程序中的T,观察感知器实现异或运算(T=1 0 1 0]的可能性。
machine_learning_python-master
- 通过阅读网上的资料代码,进行自我加工,努力实现常用的机器学习算法。感知机的基本形式和对偶形式的实现 Kmeans和Kmeans++的实现 EM GMM高斯混合和GMM+LASSO的实现 实现朴素贝叶斯的基本算法和高斯混合朴素贝叶斯算法 实现决策树的基本算法 实现adaboost基本算法 实现svm基本算法 实现逻辑回归基本算法(By reading the data codes on the Internet, we can process oursel
L2_1
- 编写一个名为Perce的函数,用它来实现感知器算法。 函数的输入/输出有: (a)一个N*d维的矩阵X,它的第i行是第i个数据向量; (b)一个N维列向量y,y的第i个元素包含了类(-1,1),并且该类与相应的向量相互对应; (c)用向量w_ini初始化参数向量;并且返回估计参数向量; 假设函数最大迭代次数为10000。(Write a function called Perce to implement perceptron algorithm. The input / out
2
- (a)产生两个都具有200个二维向量的数据集和(注意:在生成数据集之前最好使用命令randn(‘seed’,0)初始化高斯随机生成器为0(或任意给定数值),这对结果的可重复性很重要)。向量的前半部分来自均值向量的正态分布,并且协方差矩阵。向量的后半部分来自均值向量的正态分布,并且协方差矩阵。其中是一个2*2的单位矩阵。 (b)在上述数据集上运用感知器算法,并且使用不同的初始向量初始化参数向量。 (c)测试每一次算法在和上的性能。 (d)画出数据集和,以及分类面。((a) Generate