没有讲ppn相关的内容
来源：3-4 神经网络对数据实现分类(上)
慕慕9595314
2020-02-07 13:40
ppn是哪里来的？
写回答
关注
4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~
-
- Du1in9
- 2020-07-19 16:54:50
初始函数再运行一遍，Perceptron在里面
-
- qq_慕斯卡9143906
- 2020-02-09 10:04:24
Perception应改为 Perceptron
-
- 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）
机器学习-实现简单神经网络
人工智能时代，你准备好成为抓住机遇的那百分之二吗。
66868 学习 · 182 问题
相似问题