分类算法（3） |
您所在的位置：网站首页 › pla算法实例 › 分类算法（3） |
分类算法（3）
|
感知机是二分类模型，输入实例的特征向量，输出实例的±类别。 梯度下降法：首先，任意选定w0、b0，然后用梯度下降法不断极小化目标函数，极小化的过程不是一次性把M中的所有误分类点梯度下降，而是一次选取一个误分类点使其梯度下降。
PLA算法流程 设置迭代次数，每次迭代，从第一个点开始，每遇到一个误分类点，就更新w 得到最后的w，与测试文本进行矩阵相乘进行预测，大于0为1，小于等于0为0.
优化：进行MAX-MIN归一化；选取较合适的步长和迭代次数。 数据集格式为：第一行为58个属性名称，最后一个是分享值(0或1），接下来n行是训练数据集，再继续来m行是预测数据集，其share值为空。需要求出预测数据集的share预测值。 #include #define rate 0.5 #define line_train 27751 #define line_test 11893 #define item_num 58 #define inf 1000000 using namespace std; int line = line_train + line_test; struct TEXT{ //用于保存所有文本 vector feature; int shares; }text[40000]; void input(){ //文本读取 string str; double data; ifstream fin("Datac_all.csv"); getline(fin, str); for(int i=0;i> data; //忽略逗号 ss.ignore(str.size(), ','); text[i].feature.push_back(data); } if(i |
【本文地址】