python實現(xiàn)感知機模型的示例
更新時間:2020年09月30日 11:52:23 作者:鄙人劍人肖
這篇文章主要介紹了python實現(xiàn)感知機模型的示例,幫助大家更好的理解和學習python 機器學習的相關(guān)知識,感興趣的朋友可以了解下
from sklearn.linear_model import Perceptron import argparse #一個好用的參數(shù)傳遞模型 import numpy as np from sklearn.datasets import load_iris #數(shù)據(jù)集 from sklearn.model_selection import train_test_split #訓練集和測試集分割 from loguru import logger #日志輸出,不清楚用法 #python is also oop class PerceptronToby(): """ n_epoch:迭代次數(shù) learning_rate:學習率 loss_tolerance:損失閾值,即損失函數(shù)達到極小值的變化量 """ def __init__(self, n_epoch = 500, learning_rate = 0.1, loss_tolerance = 0.01): self._n_epoch = n_epoch self._lr = learning_rate self._loss_tolerance = loss_tolerance """訓練模型,即找到每個數(shù)據(jù)最合適的權(quán)重以得到最小的損失函數(shù)""" def fit(self, X, y): # X:訓練集,即數(shù)據(jù)集,每一行是樣本,每一列是數(shù)據(jù)或標簽,一樣本包括一數(shù)據(jù)和一標簽 # y:標簽,即1或-1 n_sample, n_feature = X.shape #剝離矩陣的方法真帥 #均勻初始化參數(shù) rnd_val = 1/np.sqrt(n_feature) rng = np.random.default_rng() self._w = rng.uniform(-rnd_val,rnd_val,size = n_feature) #偏置初始化為0 self._b = 0 #開始訓練了,迭代n_epoch次 num_epoch = 0 #記錄迭代次數(shù) prev_loss = 0 #前損失值 while True: curr_loss = 0 #現(xiàn)在損失值 wrong_classify = 0 #誤分類樣本 #一次迭代對每個樣本操作一次 for i in range(n_sample): #輸出函數(shù) y_pred = np.dot(self._w,X[i]) + self._b #損失函數(shù) curr_loss += -y[i] * y_pred # 感知機只對誤分類樣本進行參數(shù)更新,使用梯度下降法 if y[i] * y_pred <= 0: self._w += self._lr * y[i] * X[i] self._b += self._lr * y[i] wrong_classify += 1 num_epoch += 1 loss_diff = curr_loss - prev_loss prev_loss = curr_loss # 訓練終止條件: # 1. 訓練epoch數(shù)達到指定的epoch數(shù)時停止訓練 # 2. 本epoch損失與上一個epoch損失差異小于指定的閾值時停止訓練 # 3. 訓練過程中不再存在誤分類點時停止訓練 if num_epoch >= self._n_epoch or abs(loss_diff) < self._loss_tolerance or wrong_classify == 0: break """預測模型,顧名思義""" def predict(self, x): """給定輸入樣本,預測其類別""" y_pred = np.dot(self._w, x) + self._b return 1 if y_pred >= 0 else -1 #主函數(shù) def main(): #參數(shù)數(shù)組生成 parser = argparse.ArgumentParser(description="感知機算法實現(xiàn)命令行參數(shù)") parser.add_argument("--nepoch", type=int, default=500, help="訓練多少個epoch后終止訓練") parser.add_argument("--lr", type=float, default=0.1, help="學習率") parser.add_argument("--loss_tolerance", type=float, default=0.001, help="當前損失與上一個epoch損失之差的絕對值小于該值時終止訓練") args = parser.parse_args() #導入數(shù)據(jù) X, y = load_iris(return_X_y=True) # print(y) y[:50] = -1 # 分割數(shù)據(jù) xtrain, xtest, ytrain, ytest = train_test_split(X[:100], y[:100], train_size=0.8, shuffle=True) # print(xtest) #調(diào)用并訓練模型 model = PerceptronToby(args.nepoch, args.lr, args.loss_tolerance) model.fit(xtrain, ytrain) n_test = xtest.shape[0] # print(n_test) n_right = 0 for i in range(n_test): y_pred = model.predict(xtest[i]) if y_pred == ytest[i]: n_right += 1 else: logger.info("該樣本真實標簽為:{},但是toby模型預測標簽為:{}".format(ytest[i], y_pred)) logger.info("toby模型在測試集上的準確率為:{}%".format(n_right * 100 / n_test)) skmodel = Perceptron(max_iter=args.nepoch) skmodel.fit(xtrain, ytrain) logger.info("sklearn模型在測試集上準確率為:{}%".format(100 * skmodel.score(xtest, ytest))) if __name__ == "__main__": main()```
以上就是python實現(xiàn)感知機模型的示例的詳細內(nèi)容,更多關(guān)于python 實現(xiàn)感知機模型的示例代碼的資料請關(guān)注腳本之家其它相關(guān)文章!
相關(guān)文章
Python利用matplotlib實現(xiàn)餅圖繪制
Pyplot作為Matplotlib的子庫,提供了和MATLAB差不多的繪圖API。因此Pyplot作為常用的繪圖模塊,能很方便讓用戶繪制2D圖表。本文將為大家介紹如何利用Matplotlib繪制餅圖,感興趣的小伙伴可以了解一下2021-12-12基于python實現(xiàn)微信好友數(shù)據(jù)分析(簡單)
本文主要介紹利用網(wǎng)頁端微信獲取數(shù)據(jù),實現(xiàn)個人微信好友數(shù)據(jù)的獲取,并進行一些簡單的數(shù)據(jù)分析,本文通過實例代碼給大家介紹的非常詳細,具有一定的參考借鑒價值,需要的朋友參考下吧2020-02-02淺析Python+OpenCV使用攝像頭追蹤人臉面部血液變化實現(xiàn)脈搏評估
這篇文章主要介紹了Python+OpenCV使用攝像頭追蹤人臉面部血液變化實現(xiàn)脈搏評估,本文通過一段代碼給大家介紹的非常詳細,具有一定的參考借鑒價值,需要的朋友可以參考下2019-10-10Python在信息學競賽中的運用及Python的基本用法(詳解)
下面小編就為大家?guī)硪黄狿ython在信息學競賽中的運用及Python的基本用法(詳解)。小編覺得挺不錯的,現(xiàn)在就分享給大家,也給大家做個參考。一起跟隨小編過來看看吧2017-08-08