MSE（均方误差）梯度下降算法

2744557306

本文提供的代码实现了MSE（均方误差）梯度下降算法，也被称为Widrow-Hoff规则。以下是代码的大致解释：
# x& _. M, B1 J- o' S  D  ~: t
1. 初始设置N为100，生成两类随机样本数据，并绘制初始样本分布图。
5 C; x- }. A$ i, g6 P0 E
5 E" S1 t8 e% f2 l# q2. 将训练样本X复制给增广样本向量Y，并添加一列全为1的偏置列。然后将第二类样本取负值，从而规范化数据。
: a6 V$ c' ?8 I( u# N+ l0 C% G5 M( f
" M9 v/ q2 ?0 q/ t- l3. 初始化权向量W0和W为[0 0 0]和[1 1 1]。设置学习率p为1.0，迭代次数k为1，阈值b为0.5，计算W1为W-W0，设置flag为1。

. M" c8 E, _% N/ Q4. 在迭代中，如果标志flag为1且W1的范数大于10^(-3)，则执行以下操作：
% O( z' }3 i; c: y. _; z   a. 对于每个样本i，如果W0与Y(i,的内积小于阈值b，则更新权重W以使其逼近Y(i,并计算新的W1。
1 c# {  k2 u6 k! q/ M   b. 更新W0为新的W，增加迭代次数k，并将flag设为1。

# j4 v/ h& y" \) m6 r7 q8 G/ b2 s" n' R5. 随机生成一个待判断样本x，并将其转化为增广样本。根据计算得到的权重W和阈值b来判断待判样本属于哪一类，并在图中用标记表示。

$ G9 O# ]& a& ]# T6. 根据更新后的权重W，计算并绘制判别直线。

总的来说，该代码实现了一个简单的二分类任务，使用MSE梯度下降算法（Widrow-Hoff规则）来训练模型，然后根据训练后的模型对新样本进行分类，并在图中展示分类结果和判别直线。
% \( u  K1 ~3 t: c6 O/ }* P# X- j


" X+ ^# W; J; r) Y