ML—感知機演算法(MATLAB)

華電北風吹

天津大學認知計算與應用重點實驗室

最後修改日期：2015/8/23

      感知機演算法屬於比較簡單的分類器演算法，但是跟羅吉斯迴歸和支援向量機一樣屬於構建分類超平面。

      不同的是感知機採用分錯的樣本與分類超平面的距離作為損失函數，下面的演算法基於隨機梯度下降法，採用非同步方式達到收斂狀態

function [w]=perceptionLearn(x,y,learningRate,maxEpoch)% Perception Learn Algorithm% x,y 一行為一個樣本，y取值{-1,+1}[m,n]=size(x);x=[ones(m,1) x];w=zeros(1,n+1);for epoch=1:maxEpoch    finish=true;    for samlendex=1:m        if sign(x(samlendex,:)*w')~=y(samlendex)            finish=false;            w=w+learningRate*y(samlendex)*x(samlendex,:)        end    end    if finish==true        break;    endend

測試函數：

clear;clc;x=[3,3;4,3;1,1];y=[1,1,-1];plot(x(1:2,1),x(1:2,2),'*');hold on;plot(x(3,1),x(3,2),'p');% [w]=LogisticRegression(x,y,1,20);[w]=perceptionLearn(x,y,1,20);xline=linspace(0,5,20);yline=-w(2)/w(3).*xline-w(1)/w(3);plot(xline,yline);

結果映像如下：