Learning From Data书本和答案以及配图

Learning From Data（书本和答案以及配图）

# -*- coding: utf-8 -*-
“““
Created on Thu Jun 14 16:31:48 2018

@author: Administrator
“““

# -*- coding: utf-8 -*-
import random
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams[‘font.sans-serif‘]=[‘SimHei‘] #用来正常显示中文标签
plt.rcParams[‘axes.unicode_minus‘]=False #用来正常显示负号


#定义函数GenerateData（nlowupw），生成n组数据每个分量的下界为low上界为upw为目标直线
def GenerateData（nlowupw）:
    m=len（w）
    data=[]
    X1=np.array（[]）
    Y1=np.array（[]）
    X2=np.array（[]）
    Y2=np.array（[]）
    while（len（data）        x=np.array（1）
        x=np.append（xnp.random.uniform（lowupsize=m-1））
        if（x.dot（w）>=0.1）:
            X1=np.append（X1x[1]）
            Y1=np.append（Y1x[2]）
            x=np.append（x1）
        elif（x.dot（w）<=-0.1）:
            X2=np.append（X2x[1]）
            Y2=np.append（Y2x[2]）
            x=np.append（x-1）
        data.append（np.array（x））
    return dataX1Y1X2Y2


#定义函数Adaline（nmkw0lowupiteration=1000），n组训练数据，m组测试数据，参数为kw0为目标函数，iteration为迭代次数
#数据每个分量下界为low上界为up
def Adaline（nmkw0lowupiteration=1000）:
    d=len（w0）
    #首先生成n组训练数据
    dataX1Y1X2Y2=GenerateData（nlowupw0）
    #测试数据集
    test=GenerateData（mlowupw0）[0]
    
    #定义sign函数
    def sign（x）:
        if x>=0:
            return 1
        else:
            return -1
    
    #定义判别函数，判断所有数据是否分类完成
    def Judge（xw）:
        flag=1
        for i in x:
            if sign（i[:d].dot（w））*i[-1]<0:
                flag=0
                break
        return flag
    
    #记录次数
    T=0
    #初始化w注意这里不能初始化为0
    w=np.ones（d）
    while（Judge（dataw）==0 and T        i=data[random.randint（0n-1）]
        s=i[:d].dot（w）
        a=s*i[-1]
        if a<=1:
            w+=k*（i[-1]-s）*i[:d]
            T+=1
    
    #计算错误率
    error=0
    #print（type（test））
    for i in test:
        if sign（i[:3].dot（w））*i[-1]<0:
            error+=1
    print（“n为“+str（k）+“时错误率为“+str（error/m））
    
    #直线方程为w0+w1*x+w2*y=0根据此生成点
    X3=np.arange（lowup0.01）
    Y3=np.array（[（X3[i]*w[1]+w[0]）/（-w[2]） for i in range（len（X3））]）

    #目标函数
    X4=np.arange（lowup0.01）
    Y4=np.array（[（X3[i]*w0[1]+w0[0]）/（-w0[2]） for i in range（len（X4））]）

    #画出图片
    plt.scatter（X1Y1c=‘r‘s=1）
    plt.scatter（X2Y2c=‘b‘s=1）
    plt.plot（X3Y3label=“（“+str（w[0]）+“）+（“+str（w[1]）+“）x+（“+str（w[2]）+“）y=0“）
    plt.plot（X4Y4label=“（“+str（w0[0]）+“）+（“+str（w0[1]）+“）x+（“+str（w0[2]）+“）y=0“）
    plt.title（u“经过“+str（T）+u“次迭代“）
    #设置坐标范围
    #plt.xticks（np.arange（010））
    #plt.yticks（np.arange（010））
    plt.legend（）
    plt.show（）
    
Adaline（1000100001np.array（[1-1-1]）01）

Adaline（1000100000.1np.array（[1-1-1]）01）

Adaline（1000100000.01np.array（[1-1-1]）01）

Adaline（1000100000.001np.array（[1-1-1]）01）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-12-14 16:06  Learning-from-data-master\
     文件          66  2018-12-14 16:06  Learning-from-data-master\.gitattributes
     目录           0  2018-12-14 16:06  Learning-from-data-master\Chapter1\
     文件      366073  2018-12-14 16:06  Learning-from-data-master\Chapter1\Chapter 1 The Learning Problem.ipynb
     文件     1762853  2018-12-14 16:06  Learning-from-data-master\Chapter1\Chapter 1 The Learning Problem.pdf
     文件        3113  2018-12-14 16:06  Learning-from-data-master\Chapter1\Problem 1.5 （Page 35）.py
     目录           0  2018-12-14 16:06  Learning-from-data-master\Chapter1\md\
     文件       55515  2018-12-14 16:06  Learning-from-data-master\Chapter1\md\Chapter 1 The Learning Problem.md
     文件       10846  2018-12-14 16:06  Learning-from-data-master\Chapter1\md\output_12_0.png
     文件        5320  2018-12-14 16:06  Learning-from-data-master\Chapter1\md\output_27_0.png
     文件        5559  2018-12-14 16:06  Learning-from-data-master\Chapter1\md\output_27_1.png
     文件        5413  2018-12-14 16:06  Learning-from-data-master\Chapter1\md\output_27_2.png
     文件       13180  2018-12-14 16:06  Learning-from-data-master\Chapter1\md\output_31_0.png
     文件       11861  2018-12-14 16:06  Learning-from-data-master\Chapter1\md\output_44_0.png
     文件       17653  2018-12-14 16:06  Learning-from-data-master\Chapter1\md\output_50_0.png
     文件       17044  2018-12-14 16:06  Learning-from-data-master\Chapter1\md\output_52_0.png
     文件       23429  2018-12-14 16:06  Learning-from-data-master\Chapter1\md\output_54_0.png
     文件        4778  2018-12-14 16:06  Learning-from-data-master\Chapter1\md\output_58_0.png
     文件       22021  2018-12-14 16:06  Learning-from-data-master\Chapter1\md\output_63_1.png
     文件       22126  2018-12-14 16:06  Learning-from-data-master\Chapter1\md\output_64_1.png
     文件       21105  2018-12-14 16:06  Learning-from-data-master\Chapter1\md\output_65_1.png
     文件       19508  2018-12-14 16:06  Learning-from-data-master\Chapter1\md\output_66_1.png
     文件       10859  2018-12-14 16:06  Learning-from-data-master\Chapter1\md\output_75_0.png
     目录           0  2018-12-14 16:06  Learning-from-data-master\Chapter2\
     文件      427376  2018-12-14 16:06  Learning-from-data-master\Chapter2\Chapter2 Training versus Testing.ipynb
     文件     2795276  2018-12-14 16:06  Learning-from-data-master\Chapter2\Chapter2 Training versus Testing.pdf
     目录           0  2018-12-14 16:06  Learning-from-data-master\Chapter2\md\
     文件       79900  2018-12-14 16:06  Learning-from-data-master\Chapter2\md\Chapter2 Training versus Testing.md
     文件       28603  2018-12-14 16:06  Learning-from-data-master\Chapter2\md\output_105_0.png
     文件       11052  2018-12-14 16:06  Learning-from-data-master\Chapter2\md\output_130_0.png
     文件        5327  2018-12-14 16:06  Learning-from-data-master\Chapter2\md\output_21_0.png
............此处省略221个文件信息