个回答

• Du1in9

  2020-07-20 09:19:28

  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("Epochs")
  plt.ylabel("error count")
  plt.show()

  from matplotlib.colors import ListedColormapdef plot_decision_region(X, y, classifier, resolution=0.02):
      marker = ('s', 'x', 'o', 'v')
      colors = ('red', 'blue', 'lightgreen', 'gray', 'cyan')    # len(np.unique(y)=2
      cmap = ListedColormap(colors[:len(np.unique(y))])    # 花茎的长度
      x1_min, x1_max = X[:, 0].min() - 1, X[:, 0].max()    # 花瓣的长度
      x2_min, x2_max = X[:, 1].min() - 1, X[:, 1].max()
      print(x1_min, x1_max)
      print(x2_min, x2_max)    # （备注）
      xx1, xx2 = np.meshgrid(np.arange(x1_min, x1_max, resolution), np.arange(x2_min, x2_max, resolution))    # 输出语句
      print(np.arange(x1_min, x1_max, resolution).shape)
      print(np.arange(x1_min, x1_max, resolution))
      print(xx1.shape)
      print(xx1)
      print(np.arange(x2_min, x2_max, resolution).shape)
      print(np.arange(x2_min, x2_max, resolution))
      print(xx2.shape)
      print(xx2)# 执行语句plot_decision_region(X, y, ppn, resolution=0.02)

  备注：
      将np.arange()中的向量扩展成一个矩阵
  
      a = np.arange(x1_min, x1_max, resolution) 向量元素为185个
      xx1[255, 185],将a中的元素作为一行，重复255行
      b = np.arange(x2_min, x2_max, resolution) 向量元素为255个
      xx2[255, 185],将b中的元素作为一列，重复185列

  谢谢采纳~
  

  2

• Du1in9

  2020-07-19 16:54:50

  初始函数再运行一遍，Perceptron在里面
  

  0

• qq_慕斯卡9143906

  2020-02-09 10:04:24

  Perception应改为 Perceptron

  
  

  0

• 慕慕9595314

  2020-02-07 13:45:41

  参考视频开头，补上相关代码，发现前面很多错误。

  参考视频开始，在前面不上代码：

  ppn = Perception(eta=0.1, n_iter=10)
  ppn.fit(X, Y)
  plt.plot(range(1, len(ppn.errors_) + 1), ppn.errors_, marker='o')
  plt.xlabel("Epochs")
  plt.ylabel("error count")
  plt.show()

  处理掉一些错误：

  1、感知器类里面的 初始化函数 应该是__init__,(写成了__int__)

  2、类里面初始化权重向量np.zeros，（写成了np.zero）

  1