数学之路(3)-机器学习(3)-机器学习算法-神经网络[4]
2023-09-27 14:23:53 时间
Rosenblatt感知器的局限性
感知器仅对线性分类有效,非线性分类就成问题
比如说以上的6个点分为2类,用直线是很难做到的
本博客所有内容是原创,未经书面许可,严禁任何形式的转载
http://blog.csdn.net/u010255642
这2类点用PYTHON表述如下 :
x = np.array([[1,1,6],[1,3,12],[1,3,9],[1,3,21],[1,2,16],[1,3,15]]) d =np.array([1,1,-1,-1,1,-1]) w=np.array([b,0,0])
蓝色的点是表示2个元素的整除结果为偶数,黄色的点表示整除的结果为奇数
用前面的PYTHON感知器代码经过200次训练后,可以发现,效果不佳
..........
.........
第 197 次调整后的权值:
[ 35.4 -34. 2. ]
误差:8.000000
第 198 次调整后的权值:
[ 35.4 -34.4 -1.2]
误差:8.000000
第 199 次调整后的权值:
[ 36.2 -33.2 4. ]
误差:8.000000
第 200 次调整后的权值:
[ 36.2 -33.6 3.2]
误差:8.000000
第 201 次调整后的权值:
[ 36.2 -34. 2.4]
误差:8.000000
1 and 6 => 1
3 and 12 => -1
3 and 9 => -1
3 and 21 => -1
2 and 16 => 1
3 and 15 => -1
9 and 27 => -1
11 and 66 => -1
3 and 12 => -1
和
11 and 66 => -1
分类错误
相关文章
- 神经网络与机器学习 笔记—反向传播算法(BP)
- (《机器学习》完整版系列)第13章 半监督学习——13.4 正则式框架(标记传播算法迭代式的另一个推导)
- (《机器学习》完整版系列)第9章 聚类——9.5 密度聚类与层次聚类(DBSCAN算法、AGNES算法)
- 【机器学习算法-python实现】协同过滤(cf)的三种方法实现
- [吴恩达机器学习笔记]16推荐系统5-6协同过滤算法/低秩矩阵分解/均值归一化
- 机器学习算法分类
- 美团面试——机器学习/数据挖掘算法工程师
- 阿里面试经验总结整理2——机器学习算法工程师
- 机器学习笔记之高斯混合模型(四)EM算法求解高斯混合模型(M步操作)
- 机器学习笔记之EM算法(五)广义EM的总结与其他变种形式
- 大数据分析:机器学习算法实现的演化
- 在opencv3中实现机器学习算法之:利用最近邻算法(knn)实现手写数字分类
- 在opencv3中的机器学习算法练习:对OCR进行分类
- 机器学习算法(二十一):核密度估计 Kernel Density Estimation(KDE)
- 《实用机器学习》——1.2 机器学习算法的分类
- 《Python机器学习——预测分析核心算法》——1.3 什么是集成方法
- 《Python机器学习——预测分析核心算法》——1.5 构建预测模型的流程
- 《Python机器学习——预测分析核心算法》——2.1 “解剖”一个新问题
- 【转载】 机器学习算法岗的常见面试问题及准备
- 统计学方法&机器学习实战(四) 朴素贝叶斯算法
- JavaScript机器学习之KNN算法
- 机器学习——人工神经网络之参数设置(BP算法)