學習來源
https://blog.csdn.net/weixin_43840511/article/details/114897769
實驗原理
實驗內容
1.
資料生成及規范化處理
利用高斯模型，生成
N
類（
N
＞
5
）資料（
2D or 3D
），并對生成樣本進行規范化處理
2
．基于生成資料，利用感知器準則實作多類分類，得到最終分界面的運算式，
3
．生成測驗資料列，并對測驗資料進行分類判別，
代碼實作
第一部分 資料生成及規范化處理
注意要增廣樣本 以及檢測與之前是否碰撞
base = 10.0
data = []
numofN=6
num = 0
Sigma = np.array([[10, 6], [3, 2]])
R = cholesky(Sigma)#生成上三角函式R
while num < numofN:
mu = np.array([[random.randint(5,95), random.randint(5,95)]])#生成隨機資料
s = np.dot(np.random.randn(6, 2), R) + mu #生成6個（x，y） 加上亂數值mu
key = False
for i in s.tolist():
if num !=0 :
for yi in data[num-1]:#與之前產生的資料檢測是否碰撞
if abs(i[0]-yi[0]) + abs(i[1]-yi[1]) <=10:
key = True
break
if key:#隨機資料碰撞則重來
continue
num += 1
plt.plot(s[:,0],s[:,1],'*',markersize=6)
x = []
for i in s :#注意平鋪 增廣一個base樣本 （hstack平鋪）（aray數列）
x.append(np.array(np.hstack((np.array(i),np.array([base])))))
data.append(np.array(x))
# print(data)
# print(alldata)第二部分 多類分類并劃分割線
注意劃分割線需要聯立每個類的 WiT (x,y,base)=WjT（x,y,base）
聯立求LINEY
while True :
time = 0
for i in range(0,numofN):
for yi in data[i]:
for t in range(0,numofN):
if t == i:
continue
while np.dot(yi,wlist[i]) <= np.dot(yi,wlist[t]) + 0.5:#加一個修正值0.5
wlist[i] += np.array(yi)
wlist[t] -= np.array(yi)
time += 1
if time == 0:#若某一輪不需要更迭則推退出
break
for i in wlist:
for j in wlist:
if (i==j).all() :
continue
linex = np.array([0.0,100.0])
plt.plot(linex,((linex*(j[0]-i[0])+base*(j[2]-i[2]))/(i[1]-j[1])),alpha=0.5) #畫分割線
plt.xlim(0,100)
plt.ylim(0,100)
plt.show()
plt.cla()
第三部分 處理0-100內的各種資料并將其分類
picx = []
picy = []
for i in range(0,numofN):
picx.append([])
picy.append([])
for i in range(0,100):
for j in range(0,100):
maxx = []
for t in wlist:
maxx.append(np.dot(np.array([i,j,base]),t))
k = maxx.index(max(maxx))#找最大的值 將其劃分到該類中內
picx[k].append(i)
picy[k].append(j)
for i in data :
plt.plot(i[:,0],i[:,1],'*',markersize=10) #
for i in range(0,numofN):
plt.plot(picx[i],picy[i],'.',alpha=0.3) #畫出各個位置上的預測結果
plt.show()結果展示
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/352095.html
標籤：AI