PLA的基本思路

• 每个特征都有权重，表示该特征的重要程度，当综合所有的特征与权重计算一个最终分分数，当这个分数超过某个阈值，表示成功，否则表示失败

PLA的算法步骤

• step1: 随便找一条直线，记随便找一个n维向量w，赋初值
• step2: 如果这条直线正好把训练数据正确切分，训练结束
• step3: 如果有一个样本没有被正确的切分，即在权值计算中对权值进行一些修正
• step4: 跳转到step2

数据结构

******************************
* age * price ***   click    *
******************************
* 23  * 234   ***    1       *
* 12  * 435   ***   -1       *
* 45  * 264   ***    1       *
******************************

数据的合成

本次实验数据是用一个公式 3.14x + 2.3y - 1000合成的数据，并且将数据保存在一个xls文件当中，然后在从这个文件获得数据。

权值修正方法

wi = wi + weight_change weight_change = learning_rate(label - prediction) label: 代表的就是click prediction: 代表的就是你这个预测的值

具体参考博客

一定要看博客：http://geek.csdn.net/news/detail/172477

最终结果