Perceptron.py

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


def predict(x,theta,theta_0=0):
    '''
    Funcion de prediccion
    
    x un vector del training example 
    theta es el vector normal al plano
    theta_0 es el offset (no lo uso por ahora)
    
    retorna el dot product o inner product
    '''
    return np.dot(x, theta)

# 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 )  <= 0 :
                # actualizo theta
                theta = np.add( theta, Y[i] * X[i] )
                
                total_thetas += 1
                print(theta, "<----- Nueva Theta, Nro de Actualizacion #", total_thetas, " en el punto x",i+1)
            i += 1
            i %= num_rows # para que no se pase de ese
            
    print("\n\n\n\n" ,"Theta Optima", theta)  
    print( " Cantidad de actualizaciones", total_thetas)           
    return theta            
# print(theta, theta_0)

# -------------------------------------------------------------
# 1. (a)
    
X = np.array([[-1,-1],[1,0],[-1,1.5]])
Y = np.array([1,-1,1])

# x1 arranca como theta inicial
theta = [0,0] #X[0]
theta_0 = 0
start = 1
run(theta, theta_0, X, Y, start ) 

# x2 arranca como theta inicial
theta = [0,0] #X[0]
theta_0 = 0
start = 2
run(theta, theta_0, X, Y, start ) 

 

# -------------------------------------------------------------
# 1. (c)

X = np.array([[-1,-1],[1,0],[-1,10]])
Y = np.array([1,-1,1])

# x1 arranca como theta inicial
theta = [0,0] #X[0]
theta_0 = 0
start = 1
run(theta, theta_0, X, Y, start ) 

# x2 arranca como theta inicial
theta = [0,0] #X[0]
theta_0 = 0
start = 2
run(theta, theta_0, X, Y, start )