调用sklearn包中的PLA算法[转载]

转自：https://blog.csdn.net/u010626937/article/details/72896144#commentBox

1.Python的机器学习包sklearn中也包含了感知机学习算法，我们可以直接调用，因为感知机算法属于线性模型，所以从sklearn.linear_model中import下面给出例子。

import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import Perceptron

#创建数据,直接定义数据列表
def creatdata1():
    samples=np.array([[3,-3],[4,-3],[1,1],[1,2]])
    labels=np.array([-1,-1,1,1])
    return samples,labels

def MyPerceptron(samples,labels):
    #定义感知机
    clf=Perceptron(fit_intercept=True,n_iter=30,shuffle=False)
    #训练感知机
    clf.fit(samples,labels)
    #得到权重矩阵
    weigths=clf.coef_

    #得到截距bisa
    bias=clf.intercept_

    return weigths,bias

#画图描绘
class Picture:
    def __init__(self,data,w,b):
        self.b=b
        self.w=w
        plt.figure(1)
        plt.title('Perceptron Learning Algorithm',size=14)
        plt.xlabel('x0-axis',size=14)
        plt.ylabel('x1-axis',size=14)

        xData=np.linspace(0,5,100)
        yData=self.expression(xData)
        plt.plot(xData,yData,color='r',label='sample data')

        plt.scatter(data[0][0],data[0][1],s=50)
        plt.scatter(data[1][0],data[1][1],s=50)
        plt.scatter(data[2][0],data[2][1],s=50,marker='x')
        plt.scatter(data[3][0],data[3][1],s=50,marker='x')
        plt.savefig('3d.png',dpi=75)

    def expression(self,x):
        y=(-self.b-self.w[:,0]*x)/self.w[:,1]
        return y

    def Show(self):
        plt.show()




if __name__ == '__main__':
    samples,labels=creatdata1()
    weights,bias=MyPerceptron(samples,labels)
    print ('最终训练得到的w和b为：',weights,',',bias)
    Picture=Picture(samples,weights,bias)
    Picture.Show()

 其中：

Perceptron

fit_intercept : bool
        Whether the intercept should be estimated or not. If False, the
        data is assumed to be already centered. Defaults to True.
#是否应该估计截距，如果是False则认为数据是被中心化过的(减去过均值)。默认是True
#也就是说如果是False，则b=0

shuffle : bool, optional, default True
        Whether or not the training data should be shuffled after each epoch.
#一个epoch应该是对所有的数据处理一遍
#每次处理之后是否打乱原有数据的顺序

n_iter : int, optional
        The number of passes over the training data (aka epochs).
        Defaults to None. Deprecated, will be removed in 0.21.

        .. versionchanged:: 0.19
            Deprecated
#这个真是不太明白是什么意思。

 运行结果：

最终训练得到的w和b为： [[-2.  4.]] , [0.]
DeprecationWarning: n_iter parameter is deprecated in 0.19 and will be removed
in 0.21. Use max_iter and tol instead. DeprecationWarning)