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：

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。
; G  Q5 }7 s8 b% t
2. 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。
* Q, z: Y3 X. m: N: ~$ Q
) `: Q( O' r7 w7 K3. 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。

" S9 X" y( H* ]% |: A' j8 u0 S9 e6 g4. 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：
. [- K' n/ [* A& L& V   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。
   b. 更新W0为新的W，增加迭代次数k，并将flag设为1。
) j# T3 d% |4 K6 o
5. 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。
; o2 b$ v. {# T6 |1 y% \( r$ |
9 c4 ^1 z! U/ T! K0 k9 b. v+ t" _" r6. 根据更新后的权重W，计算并绘制判别直线。
; x1 K7 t5 h: `  C) H
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。
8 }" |' y' v" M- m0 w# W2 s
! v' V! `! S; G" q! e4 x

) O- F2 l2 q% Z( q1 l& f  }