我正在尝试绘制感知器算法的决策边界,并对一些事情感到困惑。我的输入实例的格式是(x1,x2),target_Value,基本上是一个2-d输入实例和一个2类target_value 1或0。
因此我的权重向量是: w1,w2现在我必须加上一个额外的偏置参数w0,因此我的权重向量变成了一个3x1的向量?它是1x3向量吗?我认为它应该是1x3,因为一个向量只有1行n列。
现在假设我将w0、w1、w2实例化为随机值,我该如何绘制其决策边界?这意味着w0在这里意味着什么?w0/norm(w)是决策区域到原点的距离吗?如果是这样的话,我该如何使用matplotlib.pyplot或它的等价物在python中捕获并绘制它呢?在这件事上,我真的很感激你能给我一点帮助。
from pylab import norm
import matplotlib.pyplot as plt
n = norm(weight_vector) #this is of the form [w0,w1,w2], w0 is bias parameter
ww = weight_vector/n #unit vector in the direction of weight_vector
ww1 = [ww[1],-ww[0]]
ww2 = [-ww[1],ww[0]]
plot([ww1[0], ww2[0]],[ww1[1], ww2[1]],'--k')这里我想结合w0参数来指示权重向量的位移到原点的距离,因为这就是w0/norm(w)所表示的?

当我绘制下面注释中提到的向量时,我得到的向量长度非常小,我如何才能在两个方向上扩展这个决策边界?
图中位置0,0附近的小虚线是我的决策区域,如何在两个方向上使其变长?如果我尝试将它的每个分量相乘,图形比例会发生变化,我将使用matplotlib.pyplot.plot()函数来实现此目的。
发布于 2013-09-29 02:06:41
首先,你不应该把偏置加到输入向量上。您只需将偏差减去或添加到所有输入向量即可。对于绘图,您可能希望尝试绘制通过两个权重点的线性函数。
https://stackoverflow.com/questions/19069971
复制相似问题