Perceptron_Theta_0.py

# -*- coding: utf-8 -*-
import numpy as np


def predict(x,theta,theta_0=None):
    '''
    Funcion de prediccion
    
    x un vector del training example 
    theta es el vector normal al plano
    theta_0 es el offset 
    
    retorna el dot product o inner product
    '''
    if theta_0 is None : 
        theta_0=0
            
    return np.dot(x, theta) + theta_0

# test predict
#t=[-1,-1];  x=[-1,-1];  print(predict(t,x))
#t=[-1,-1];  x=[10,2];   print(predict(t,x))


def run(theta,theta_0, X, Y, start=1, T=10):
    '''
    Funcion de ejecucion del Perceptron
    Itera mostrando los sucesivos valores de theta
     
    theta es el vector normal al plano
    theta_0 es el offset (no lo uso por ahora)
    X matrix con los training examples
    Y matrix con los labels
    T cantidad de iteraciones
    
    retorna el theta optimo
    '''  
    
    num_rows, num_cols = X.shape
    
    print("\n\n****************************\nPerceptron by Mario :) \n****************************")
    print(theta, "<----- Theta Inicial")
    print("Arranco en el punto ",start)
 
    t = 0
    total_thetas = 0 
    # itero T veces 
    while t < T:
        t += 1
        print("\n-------------------\nIteration ", t , "\n-------------------")
        
        i = start - 1 # arranco por el punto que definieron, es menos 1 por el indice del array de python
        
        # itero por cada punto
        for k in range(num_rows):
            #print("paso por punto ", i+1)
            if  Y[i] * predict( X[i], theta, theta_0 )  <= 0 :
                # actualizo theta
                theta = np.add( theta, Y[i] * X[i] )
                theta_0 = theta_0 + Y[i]
                
                total_thetas += 1
                print("\n", theta, "<----- Nueva Theta \n", theta_0, "  <----- Nueva Theta_0  \n Nro de Actualizacion #",  total_thetas, " en el punto x",i+1) #, " Nota: clasifico mal al punto")
            i += 1
            i %= num_rows # para que no se pase de ese
            
    print("\n\n\n\n" ,"Theta Optima ", theta,"\n Theta_0 Optima ", theta_0)  
    print( " Cantidad de actualizaciones", total_thetas)           
    return (theta, theta_0)       
# print(theta, theta_0)

# -------------------------------------------------------------

X = np.array([[-4,2],[-2,1],[-1,-1],[2,2],[1,-2]])
Y = np.array([1,1,-1,-1,-1])

# para el 1b
#  arranca como theta inicial en origen
theta = [0,0]
theta_0 = 0
start = 1
run(theta, theta_0, X, Y, start) 


### para el 2b
#theta = [-4,2]
#theta_0 = -3
#start = 1
#run(theta, theta_0, X, Y, start)