r语言跟机器学习学习条记 了解算法_光环大数据培训机构.pdfVIP

光环大数据--大数据培训人工智能培训 R 语言与机器学习学习笔记 分析算法_光环大数据培训机构 人工神经网络（ANN），简称神经网络，是一种模仿生物神经网络的结构和功 能的数学模型或计算模型。神经网络由大量的人工神经元联结进行计算。大多数 情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统。 现代神经网络是一种非线性统计性数据建模工具，常用来对输入和输出间复杂的 关系进行建模，或用来探索数据的模式。 人工神经网络从以下四个方面去模拟人的智能行为: 物理结构：人工神经元将模拟生物神经元的功能 计算模拟：人脑的神经元有局部计算和存储的功能，通过连接构成一个 系统。人工神经网络中也有大量有局部处理能力的神经元，也能够将信息进行大 规模并行处理 存储与操作：人脑和人工神经网络都是通过神经元的连接强度来实现记 忆存储功能，同时为概括、类比、推广提供有力的支持 训练：同人脑一样，人工神经网络将根据自己的结构特性，使用不同的 训练、学习过程，自动从实践中获得相关知识 神经网络是一种运算模型，由大量的节点（或称“神经元”，或“单元”）和 之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数。每两个 节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于 人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不 光环大数据 光环大数据--大数据培训人工智能培训 同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对 一种逻辑策略的表达。 一、感知器 感知器相当于神经网络的一个单层，由一个线性组合器和一个二值阈值原件 构成： 构成 ANN 系统的单层感知器： 感知器以一个实数值向量作为输入，计算这些输入的线性组合，如果结 果大于某个阈值，就输出 1，否则输出‐1。 感知器函数可写为：sign （w*x）有时可加入偏置b，写为 sign （w*x b） 学习一个感知器意味着选择权 w0,„,wn 的值。所以感知器学习要考虑 的候选假设空间H 就是所有可能的实数值权向量的集合 算法训练步骤： 1、定义变量与参数 x （输入向量）,w （权值向量）,b （偏置）,y （实际输 光环大数据 光环大数据--大数据培训人工智能培训 出）,d （期望输出）,a （学习率参数） 2、初始化，n=0,w=0 3、输入训练样本，对每个训练样本指定其期望输出：A 类记为 1，B 类记为 -1 4、计算实际输出 y=sign(w*x b) 5、更新权值向量w(n 1)=w(n) a[d-y(n)]*x(n),0a1 6、判断，若满足收敛条件，算法结束，否则返回 3 注意，其中学习率 a 为了权值的稳定性不应过大，为了体现误差对权值的修 正不应过小，说到底，这是个经验问题。 从前面的叙述来看，感知器对于线性可分的例子是一定收敛的，对于不可分 问题，它没法实现正确分类。这里与我们前面讲到的支持向量机的想法十分的相 近，只是确定分类直线的办法有所不同。可以这么说，对于线性可分的例子，支 持向量机找到了“最优的”那条分类直线，而单层感知器找到了一条可行的直线。 我们以鸢尾花数据集为例，由于单层感知器是一个二分类器，所以我们将鸢 尾花数据也分为两类，“setosa”与“versicolor”（将后两类均看做第 2 类）， 那么数据按照特征：花瓣长度与宽度做分类。 运行下面的代码： 光环大数据 光环大数据--大数据培训人工智能培训 [plain] view plaincopyprint? #感知器训练结果：