机器学习笔记--实现简单的神经网络

编译环境使用的是anaconda，应用的是python语言

软件包的下载:https://mirrors.tuna.tsinghua.edu.cn/

安装后进入：

Environment-->root-->open with Jupyter NoteBook-->弹出网页-->new-->python

然后进行代码编写（代码是根据教学视频中的代码给出的）

import numpy as np
class Perceptron(object): 
        """
            实现感知器的类
            eta：学习率
            n_iter:权重向量的训练次数
            w_：神经分叉权重向量
            errors_：用于记录神经元判断出错次数
            def _int：为初始化函数
        """
    def _int_(self, eta = 0.01, n_iter=10):
        self.eta=eta;
        self.n_iter=n_iter
        pass
    def fit(self,X,y):
            """
               1.fit方法是为输入训练数据，培训神经元
               2.其中X是电信号向量，即输入样本向量
               3.y:每一个样本所属于的分类
               4.每一个X都有一个shape属性，是对X向量的描述
                 X:shape(n_samples,n_features)
                 其中n_samples是指X中有多少个输入的样本量
                 n_features这个分叉输入的电信号有多少个，比如神经元有三个分叉，则这个神经元
                 可以接受三个输入电信号
                 eg：x:[[1,2,3],[4,5,6]]
                  n_samples:2
                  n_features:3
                  y:[1,-1]表示[1,2,3]属于分类1，[4,5,6]属于分类-1
                1.初始化权重向量为0
                2.np.zero:数学库，初始化分量全是0的一个向量
                3.其中X.shape[1]为X.shape中的n_samples的