北京邮电大学云计算数据中心：机器学习感知机算法实践与结果

本篇实验报告是由北京邮电大学软件学院的白烨淞同学在2018-2019学年第一学期完成的云计算数据中心课程中的机器学习基础项目。该报告旨在让学生通过实践掌握感知机算法，这是机器学习中的一个基本线性分类模型，主要用于二类分类问题。 实验的主要目标是通过编程实现感知机算法，并应用到实际的数据集上。具体来说，学生被提供了20个二维空间的样本点，每个点都有类别标签（1或-1），并有额外的5个未知样本需要进行分类。实验环境设定在Windows 10操作系统和PyCharm环境下，使用Python 3进行开发。 实验的核心步骤包括： 1. 可视化训练样本点，通过matplotlib库生成离散点图，清晰展示数据分布。 2. 实现感知机算法，通过计算权重向量w和偏置b，构建超平面S，使得样本点在超平面两侧对应不同类别。 3. 绘制训练完成的感知机，直观展示模型效果。 4. 对未知样本进行分类，判断它们属于哪一类。 实验设计时，学生利用numpy库处理数组和矩阵，利用matplotlib生成统计图表，提高了工作效率。关键代码部分展示了如何导入数据、绘制二维点图以及计算和应用感知机模型。 总结起来，这是一次将理论知识与实践操作相结合的实验，通过感知机的学习，学生不仅了解了机器学习的基本原理，还提升了编程技能和数据分析能力。实验结果包括w、b的具体值，以及对未知样本的分类结果，这些都是衡量学生是否成功掌握感知机算法的重要指标。此外，实验报告还包含了设计思路和代码实现，这对于理解算法的工作流程和优化方法具有重要意义。