首页
前端开发
后端开发
数据库
数据分析
开发工具
测验/考试
代码笔记
🎁 机器学习（ML）是AI的核心驱动力！全面、实用的 机器学习（ML）教程 现已正式上线 👉 点击学习
导航分类
机器学习（ML）感知机机器学习（ML）感知机训练
主题
  • 默认模式
  • 浅蓝色模式
  • 淡绿色模式
  • 深夜模式

模式识别

神经网络（Neural Networks）被广泛应用于人脸识别等模式识别（Pattern Recognition）任务中。这类分类任务可以通过感知机（Perceptron）来实现。感知机是一种线性二分类模型，能够将输入的数据划分为两个类别。

接下来，将以JavaScript语言为例，完整演示感知机（Perceptron）的编程实现与监督训练全流程。

模式分类

想象一下，在一个具有分散x y点的空间中，有一条直线（线性图）。

你如何对线上和线下的点进行分类？

散点图

感知机可以通过训练来识别直线上方的点，不需要知道直线的方程。

感知机偏置

感知机编程

下面我们基于JavaScript语言来实现感知机编程，步骤如下：

  • 创建一个简单的绘图器
  • 生成500个随机二维坐标点 (x,y)
  • 定义线性判别函数 f(x) = wx + b
  • 计算理论分类标签
  • 呈现理论分类标签

1. 创建一个简单的绘图器

创建一个简易绘图器对象的方法，在Graph Canvas章节中有详细描述。

const plotter = new XYPlotter("myCanvas");
plotter.transformXY();

const xMax = plotter.xMax;
const yMax = plotter.yMax;
const xMin = plotter.xMin;
const yMin = plotter.yMin;

2. 生成500个随机二维坐标点 (x,y)

根据需要，生成任意数量的xy坐标点：

将x值设为随机数（范围0至最大值），将y值设为随机数（范围0至最大值），并在绘图器中显示这些点。

实例代码 运行代码
复制
const numPoints = 500;
const xPoints = [];
const yPoints = [];
for (let i = 0; i < numPoints; i++) {
    xPoints[i] = Math.random() * xMax;
    yPoints[i] = Math.random() * yMax;
}

3. 定义线性判别函数 f(x) = wx + b

在绘图器中渲染该线下判别函数 f(x) = wx + b

实例代码 运行代码
复制
function f(x) {
    return x * 1.2 + 50;
}

4. 计算理论分类标签

根据线性决策函数y = 1.2x + 50，计算理论分类结果：

  • 若样本点的y > 1.2x + 50，标记为 1（正例）
  • 若样本点的y < 1.2x + 50，标记为 0（负例）

将分类结果存储至数组desired[]。

let desired = [];
for (let i = 0; i < numPoints; i++) {
    desired[i] = 0;
    if (yPoints[i] > f(xPoints[i])) {desired[i] = 1;}
}

5. 呈现理论分类标签

根据理论分类标签desired[]进行差异化渲染：

  • 正例样本（desired[i] = 1）：用 ● 黑色圆点标记
  • 负例样本（desired[i] = 0）：用 ○ 蓝色圆点标记
实例代码 运行代码
复制
for (let i = 0; i < numPoints; i++) {
    let color = "blue";
    if (desired[i]) color = "black";
    plotter.plotPoint(xPoints[i], yPoints[i], color);
}

感知机训练方法

在下一章节中，您将学习如何利用已知的理论分类标签：训练感知机模型，使其能够预测未知输入数据对应的输出值。

评论区 0
发表评论
教程介绍
机器学习是人工智能的子领域，通过算法让计算机从数据中自动学习规律，并做出预测或决策。
29 章节
144 阅读
0 评论
教程目录

机器学习（Machine Learning）

ML 概述 ML 与 AI ML 编程语言 ML JavaScript ML 线性图 ML 散点图 ML 感知机 ML 模式识别 ML 模型训练 ML 模型测试 ML 机器学习 ML 学习术语 ML 数据处理 ML 聚类分析 ML 线性回归 ML 深度学习 ML Brain.js

TensorFlow

TFJS 教程 TFJS 操作 TFJS 模型 TFJS Visor

TensorFlow 示例1

Ex1 概述 Ex1 数据 Ex1 模型 Ex1 训练

TensorFlow 示例2

Ex2 概述 Ex2 数据 Ex2 模型 Ex2 训练