我正在复习一段来自多伦多感知器MATLAB代码的代码
代码如下：
function [w] = perceptron(X,Y,w_init)w = w_init;for iteration = 1 : 100 %<- 实际上，使用一些停止准则！ for ii = 1 : size(X,2) %循环遍历训练集 if sign(w'*X(:,ii)) ~= Y(ii) %错误的决策？ w = w + X(:,ii) * Y(ii); %然后将（或减去）此点添加到w end end sum(sign(w'*X)~=Y)/size(X,2) %显示错误分类率end所以我正在阅读如何将此函数应用于数据矩阵X和目标Y，但是，不知道如何使用此函数，我理解，它返回一个权重向量，所以它可以分类。
你能给出一个例子并解释一下吗？
我尝试过
X=[0 0; 0 1; 1 1]Y=[1 0; 2 1]w=[1 1 1]Result = perceptron( X, Y, w )??? Error using ==> mtimesInner matrix dimensions must agree.Error in ==> perceptron at 15 if sign(w'*X(:,ii)) ~= Y(ii) Result = perceptron( X, Y, w' )??? Error using ==> neMatrix dimensions must agree.Error in ==> perceptron at 19 sum(sign(w'*X)~=Y) / size(X,2); 谢谢
感谢你的回答，我还有一个问题，如果我改变 Y = [0, 1]，算法会发生什么？
所以，使用此感知器代码，任何输入数据都无法与 Y = [0,1] 一起使用，对吗？
—————————–编辑————————
还有一个问题，如果我想绘制划分两个类的线，我知道我们可以通过解决与权重相关的线性方程组来得到这条线，但是如何得到呢？我该怎么做？我正在尝试这样的事情
% 初始权重w_init = [ 1 1 1]';% 从感知器返回的权重wtag = perceptron(X,Y,w_init,15);% 连接两者Line = [wtag,w_init]% 求解线性系统，我这样做正确吗？rref(Line')% 绘制???回答：
您应该首先了解每个输入的含义：
X是示例的输入矩阵，大小为M x N，其中M是特征向量的维度，N是样本数。由于用于预测的感知器模型是Y=w*X+b，因此您必须在X中提供一个额外的维度，该维度是常数，通常设置为1，因此b项是“内置”到X中。在下面的X示例中，我将X的最后一个条目设置为所有样本中的1。Y是来自X的每个样本的正确分类（您希望感知器学习的分类），因此它应该是一个N维行向量 – 每个输入示例一个输出。由于感知器是一个二元分类器，因此它应该只有2个不同的可能值。查看代码，您会发现它检查预测的符号，这告诉您Y的允许值应为-1,+1（而不是例如0,1）。w是您尝试学习的权重向量。
所以，尝试使用以下方法调用该函数：
X=[0 0; 0 1; 1 1];Y=[1 -1];w=[.5; .5; .5];编辑
使用以下代码调用感知器算法，并以图形方式查看结果：
% 输入样本X1=[rand(1,100);rand(1,100);ones(1,100)]; % class '+1'X2=[rand(1,100);1+rand(1,100);ones(1,100)]; % class '-1'X=[X1,X2];% 输出类别 [-1,+1];Y=[-ones(1,100),ones(1,100)];% 初始化权重向量w=[.5 .5 .5]';% 调用感知器wtag=perceptron(X,Y,w);% 预测ytag=wtag'*X;% 在原始数据上绘制预测figure;hold onplot(X1(1,:),X1(2,:),'b.')plot(X2(1,:),X2(2,:),'r.')plot(X(1,ytag<0),X(2,ytag<0),'bo')plot(X(1,ytag>0),X(2,ytag>0),'ro')legend('class -1','class +1','pred -1','pred +1')