python实现感知器算法详解


Posted in Python onDecember 19, 2017

在1943年,沃伦麦卡洛可与沃尔特皮茨提出了第一个脑神经元的抽象模型,简称麦卡洛可-皮茨神经元(McCullock-Pitts neuron)简称MCP,大脑神经元的结构如下图。麦卡洛可和皮茨将神经细胞描述为一个具备二进制输出的逻辑门。树突接收多个输入信号,当输入信号累加超过一定的值(阈值),就会产生一个输出信号。弗兰克罗森布拉特基于MCP神经元提出了第一个感知器学习算法,同时它还提出了一个自学习算法,此算法可以通过对输入信号和输出信号的学习,自动的获取到权重系数,通过输入信号与权重系数的乘积来判断神经元是否被激活(产生输出信号)。

python实现感知器算法详解

一、感知器算法

我们将输入信号定义为一个x向量,x=(x1,x2,x3..),将权重定义为ω=(ω1,ω2,ω3...)其中ω0的值为,将z定义为为两个向量之间的乘积,所以输出z=x1*ω1 + x2*ω2+....,然后将z通过激励(激活)函数,作为真正的输出。其中激活函数是一个分段函数,下图是一个阶跃函数,当输入信号大于0的时候输出为1,小于0的时候输出为0,这里的阶跃函数阈值设置为0了。定义激活函数为Φ(z),给激活函数Φ(z)设定一个阈值θ,当激活函数的输出大于阈值θ的时候,将输出划分为正类(1),小于阈值θ的时候将输出划分为负类(-1)。如果,将阈值θ移到等式的左边z=x1*ω1+x2*ω2+....+θ,我们可以将θ看作为θ=x0*ω0,其中输出x0为1,ω0为-θ。将阈值θ移到等式的左边之后,就相当于激活函数的阈值由原来的θ变成了0。

python实现感知器算法详解

感知器算法的工作过程:

1、将权重ω初始化为零或一个极小的随机数。

2、迭代所有的训练样本(已知输入和输出),执行如下操作:

a、通过权重和已知的输入计算输出

b、通过a中的输出与已知输入的输出来更新权重

python实现感知器算法详解

权重的更新过程,如上图的公式,其中ω与x都是相对应的(当ω为ω0的时候,x为1),η为学习率介于0到1之间的常数,其中y为输入所对应的输出,后面的y(打不出来)为a中所计算出来的输出。通过迭代对权重的更新,当遇到类标预测错误的情况下,权重的值会趋于正类别和负类别的方向。

python实现感知器算法详解

第一个公式表示的是,当真实的输出为1的情况下,而预测值为-1,所以我们就需要增加权重来使得预测值往1靠近。

第二个公式表示的是,当真实的输出为-1的情况下,而预测值为1,所以我们就需要减少权重来使得预测值往-1靠近。

注意:感知器收敛的前提是两个类别必须是线性可分的,且学习率足够小。如果两个类别无法通过一个线性决策边界进行划分,我们可以设置一个迭代次数或者一个判断错误样本的阈值,否则感知器算法会一直运行下去。

python实现感知器算法详解

最后,用一张图来表示感知器算法的工作过程

python实现感知器算法详解

二、python实现感知器算法

import numpy as np 
 
class Perceptron(object): 
  ''''' 
  输入参数: 
  eta:学习率,在0~1之间,默认为0.01 
  n_iter:设置迭代的次数,默认为10 
  属性: 
  w_:一维数组,模型的权重 
  errors_:列表,被错误分类的数据 
  ''' 
  #初始化对象 
  def __init__(self,eta=0.01,n_iter=10): 
    self.eta = eta 
    self.n_iter = n_iter 
  #根据输入的x和y训练模型 
  def fit(self,x,y): 
    #初始化权重 
    self.w_ = np.zeros(1 + x.shape[1]) 
    #初始化错误列表 
    self.errors_=[] 
    #迭代输入数据,训练模型 
    for _ in range(self.n_iter): 
      errors = 0 
      for xi,target in zip(x,y): 
        #计算预测与实际值之间的误差在乘以学习率 
        update = self.eta * (target - self.predict(xi)) 
        #更新权重 
        self.w_[1:] += update * xi 
        #更新W0 
        self.w_[0] += update * 1 
        #当预测值与实际值之间误差为0的时候,errors=0否则errors=1 
        errors += int(update != 0) 
      #将错误数据的下标加入到列表中 
      self.errors_.append(errors) 
    return self 
  #定义感知器的传播过程 
  def net_input(self,x): 
    #等价于sum(i*j for i,j in zip(x,self.w_[1:])),这种方式效率要低于下面 
    return np.dot(x,self.w_[1:]) + self.w_[0] 
  #定义预测函数 
  def predict(self,x): 
    #类似于三元运算符,当self.net_input(x) >= 0.0 成立时返回1,否则返回-1 
    return np.where(self.net_input(x) >= 0.0 , 1 , -1)

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。

Python 相关文章推荐
Python导出数据到Excel可读取的CSV文件的方法
May 12 Python
Tensorflow 自带可视化Tensorboard使用方法(附项目代码)
Feb 10 Python
python算法与数据结构之单链表的实现代码
Jun 27 Python
python买卖股票的最佳时机(基于贪心/蛮力算法)
Jul 05 Python
详解Python中的正斜杠与反斜杠
Aug 09 Python
wxPython实现画图板
Aug 27 Python
Django Form and ModelForm的区别与使用
Dec 06 Python
如何向scrapy中的spider传递参数的几种方法
Nov 18 Python
python中uuid模块实例浅析
Dec 29 Python
浅析pandas随机排列与随机抽样
Jan 22 Python
anaconda安装pytorch1.7.1和torchvision0.8.2的方法(亲测可用)
Feb 01 Python
python 基于pygame实现俄罗斯方块
Mar 02 Python
python绘制条形图方法代码详解
Dec 19 #Python
Python实现两款计算器功能示例
Dec 19 #Python
Python构建网页爬虫原理分析
Dec 19 #Python
Python2.X/Python3.X中urllib库区别讲解
Dec 19 #Python
Python实现采用进度条实时显示处理进度的方法
Dec 19 #Python
Python实现矩阵加法和乘法的方法分析
Dec 19 #Python
分析python切片原理和方法
Dec 19 #Python
You might like
攻克CakePHP系列二 表单数据显示
2008/10/22 PHP
PHP操作文件类的函数代码(文件和文件夹创建,复制,移动和删除)
2011/11/10 PHP
set_exception_handler函数在ThinkPHP中的用法
2014/10/31 PHP
php+mysql查询优化简单实例
2015/01/13 PHP
详解js异步文件加载器
2016/01/24 PHP
php安装php_rar扩展实现rar文件读取和解压的方法
2016/11/17 PHP
Aster vs Newbee BO3 第三场2.18
2021/03/10 DOTA
网页设计常用的一些技巧
2006/12/22 Javascript
EXTJS内使用ACTIVEX控件引起崩溃问题的解决方法
2010/03/31 Javascript
使用javascript为网页增加夜间模式
2014/01/26 Javascript
jquery的ajax简单结构示例代码
2014/02/17 Javascript
JavaScript检测上传文件大小的方法
2015/07/22 Javascript
jquery UI Datepicker时间控件的使用方法(基础版)
2015/11/07 Javascript
Angular发布1.5正式版,专注于向Angular 2的过渡
2016/02/18 Javascript
纯js实现手风琴效果
2020/04/17 Javascript
canvas时钟效果
2017/02/16 Javascript
JS数组求和的常用方法总结【5种方法】
2019/01/14 Javascript
vue.js实现的幻灯片功能示例
2019/01/18 Javascript
NodeJs实现简易WEB上传下载服务器
2019/08/10 NodeJs
在Python的gevent框架下执行异步的Solr查询的教程
2015/04/16 Python
python中in在list和dict中查找效率的对比分析
2018/05/04 Python
Python检查ping终端的方法
2019/01/26 Python
pyqt5利用pyqtDesigner实现登录界面
2019/03/28 Python
python GUI库图形界面开发之PyQt5信号与槽事件处理机制详细介绍与实例解析
2020/03/08 Python
python名片管理系统开发
2020/06/18 Python
python Matplotlib数据可视化(2):详解三大容器对象与常用设置
2020/09/30 Python
Django中使用Celery的方法步骤
2020/12/07 Python
澳大利亚领先的女帽及配饰公司:Morgan&Taylor
2019/12/01 全球购物
NYX Professional Makeup俄罗斯官网:世界知名的化妆品品牌
2019/12/26 全球购物
物流专业大学生求职信范文
2013/10/28 职场文书
学习党的群众路线教育实践活动心得体会
2014/03/01 职场文书
市委召开党的群众路线教育实践活动总结大会报告
2014/10/21 职场文书
小学班长竞选稿
2015/11/20 职场文书
创业计划之特色精品店
2019/08/12 职场文书
python如何获取网络数据
2021/04/11 Python
Spring Boot 整合 Apache Dubbo的示例代码
2021/07/04 Java/Android