-
- weixin_慕侠6048814 2023-12-16
．
- 0赞 · 0采集
-
- Mrsls 2019-08-06
η是前面提到的学习率，μ=-η。
-
截图0赞 · 0采集
-
- Mrsls 2019-08-06
倒数第三行，求和符号下面的是j，不是i。
-
截图0赞 · 0采集
-
- 小思姓尹 2018-10-15
和方差求偏导
-
截图0赞 · 0采集
-
- qq_普罗旺斯的约定_0 2018-01-28
- 自适应线性神经元没有看
-
截图0赞 · 0采集
-
- qq_普罗旺斯的约定_0 2018-01-28
- 自适应线性神经元没有看
-
截图0赞 · 0采集
-
- 慕圣6209458 2017-12-06
- 神经元参数的更新：学习率
-
截图0赞 · 0采集
-
- 慕圣6209458 2017-12-06
- 和方差求偏导数
-
截图0赞 · 0采集
-
- 西伯利亚的寒枫 2017-11-21
- 神经元参数的更新
-
截图0赞 · 0采集
-
- 西伯利亚的寒枫 2017-11-21
- 和方差求偏导数
-
截图0赞 · 0采集
-
- 啊我啊_我 2017-10-27
- 参数更新
-
截图0赞 · 0采集
-
- 冽凌风 2017-09-19
- 和方差求偏导
-
截图0赞 · 0采集
-
- 小丸子只有肉没有樱桃 2017-06-20
- 和方差求偏导
-
截图0赞 · 0采集
-
- 如你所愿 2017-06-07
- 自适应神经元和刚才感知器 除了激活函数 有什么不一样？
- 0赞 · 0采集
-
- qq_星蘊_0 2017-04-12
- 和方差求偏导数
-
截图0赞 · 0采集
-
- 小白小白小白啦 2017-04-12
- 神经元参数的更新
-
截图0赞 · 0采集
-
- 小白小白小白啦 2017-04-12
- 和方差求偏导数
-
截图0赞 · 0采集
-
- lzc1 2017-04-08
- if __name__ == '__main__': file = 'iris.data' df = pd.read_csv(file, header=None) # 需要第一行 y = df.loc[0:100, 4].values # 0-100行条目取出来 y = np.where(y == 'Iris-setosa', -1, 1) x = df.iloc[0:100, [0, 2]].values # 把第0列和第2列的0-100行数据抽取出来组成一个新的二维数组 # plt.scatter(x[:50, 0], x[:50, 1], color='red', marker='o', label='setosa') # plt.scatter(x[50:100, 0], x[50:100, 1], color='blue', marker='x', label='versicolor') # plt.xlabel(u'花瓣的长度') # plt.ylabel(u'花径的长度') # plt.legend(loc='upper left') # plt.show() ppn = Perceptron(eta=0.1, n_iter=10) ppn.fit(x, y) # plt.plot(range(1, len(ppn.errors_) + 1), ppn.errors_, marker='o') # plt.xlabel(u'Epochs') # plt.ylabel(u'错误分类次数') plot_decision_regions(x, y, ppn, resolution=0.02) plt.xlabel(u'花瓣的长度') plt.ylabel(u'花径的长度') plt.legend(loc='upper left') plt.show() pass
- 1赞 · 0采集
-
- 慕粉0747465673 2017-04-02
- 求偏导
-
截图0赞 · 0采集
-
- 乱舞的旋律 2017-03-23
- 和方差求偏导数(梯度下降算法?)
-
截图0赞 · 0采集
数据加载中...