感知机(二)——Python实现篇

例题

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

原始形式

'''
感知机算法的原始形式
eta_为步长/学习率,一般设为1
'''
import numpy as np

class perceptron:
    def __init__(self,eta_=1):
        self.eta_=eta_        

    def fit(self,x_data,y_data):
        global w,b
        flag=True #训练集中存在误分类点
        w=[0]*x_data.shape[1]
        b=0
        while(flag):
            for i in range(x_data.shape[0]):
                if self.cal(x_data[i],y_data[i])<=0:
                    print(w,b)
                    self.update(x_data[i],y_data[i])
                    break
                elif i+1==x_data.shape[0]:
                    print(w,b)
                    flag=False #训练集中不存在误分类点

    def cal(self,x,y)<
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值