机器学习01之基本概念及感知器

    转载自： http://www.cnblogs.com/hesi/p/7149678.html

public class perception {
     
    public float[] weigth;//权值
     
    public float[][] x;//输入值
     
    public int[] y;//样本的真实类标
     
    public float rate;//学习数率,决定每一次循环训练中所产生的权值变化；
     
    public float[] output;//输出的类标
     
    public float b=0;//阈值，也称为偏差
 
    /**
     * 实例化感知器
     * @param x 输入的数据
     * @param d  学习速率
     */
    public perception(float[][] x, float d,int[] y) {
        super();
        this.x = x;//输入数据
        this.rate = d;//学习数率
        this.y=y;//样本的真实类标
        weigth=new float[x[0].length];//初始化权值数组
        randomWeigth(x[0].length);//随机给权值赋值
    }
    /**
     * 给权值进行赋值，初始值为0
     * @param n 权值数组的大小
     */
    public void randomWeigth(int n){
         
       // Random random = new Random();
        for(int i=0;i<n;i++){
            weigth[i]=0;
        }
    }
 
    /**
     * 训练感知器：计算出误差，然后进行权值更新
     */
    public void train(){
        output=new float[x.length];
        //获取输出值
        for(int i=0;i<x.length;i++){
            output[i]=getoutput(x[i]);
        }
        //更新
        for(int i=0;i<output.length;i++){
            float update=rate*(y[i]-output[i]);
            //更新权重
            for(int j=0;j<weigth.length;j++){
                weigth[j]=weigth[j]+update*x[i][j];
            }
            //更新偏差
            b=b+update;
        }
         
         
    }
    //计算输出值
    public int getoutput(float[] x){
        int output;//输出值
                //计算净输入
        float z = 0;
        for(int i=0;i<x.length;i++){
            z+=x[i]*weigth[i];
        }
                //激励函数
        if(z>=b)
            output=1;
        else
            output=-1;
        return output;
    } 
     
}