本文的CSDN 感知机原理参考博客: 【机器学习】感知机原理详解 感知机模型:f(x)=sign(w*x+b) sign是符号函数 感知机模型的其中一个超平面是:w*x+b=0 w是超平面的法向量,b是超平面的截距 这个超平面把样本分为正负两类(结合sign()函数) 主要思路: 1.输入训练数据集: 编号 宽度 长度 检验类别 1 3 3 正品 2 4 3 正品 3 1 1 次品 将正负样本区分开 x = np.array([[3,3],[4,3],[1,1]],dtype=np.float64) y = np.…

2020年11月13日 0条评论 34点热度 10人点赞 阅读全文

本文的CSDN 写在前面的: 学习了大半学期的机器学习,通过这一次线性回归的学习过程,理一理思路,进行一个小总结,主要思路是先梳理一下老师给的两份代码,然后再进行梯度下降的实现。 线性回归 线性回归是一种x和y之间的关系为线性关系的回归分析。 实现线性回归的步骤: 1. 提取特征和标签 2. 建立训练数据和测试数据 3. 使用训练数据训练模型 方法一:使用sklearn包装 参考老师给的代码 testLinearRegAndTrainTest.py 1.建立有序的二维数据结构 #第一个参数为特征,第二个参数为标签 …

2020年11月12日 0条评论 29点热度 2人点赞 阅读全文