深度学习入门笔记（四）

实现我在深度学习入门笔记（三）中的线性单元示例

https://blog.csdn.net/harden1013/article/details/119780800?spm=1001.2014.3001.5501

eg.假定我们需要评定一个学生的推优评分(y)，影响该学生推优的特征向量{x_i}包括（绩点，学生工作，科研成绩，实践表现），而每个特征参与评定的比重不同即为参数{k_i}，评定还有着基础分b，我们通过样本训练得到{k_i}，再来预测新的学生能获得怎样的评分。

首先是感知器，由于依然是一个线性问题，感知器可以使用我在深度学习入门笔记（二）中的感知器类

https://blog.csdn.net/harden1013/article/details/119778079?spm=1001.2014.3001.5501

激活函数如下：

def f(x):
    return x

构建训练集，【绩点，学生工作，科研成绩，实践表现】包含最后的得分均为5分制：

def get_training_dataset():
    input_vecs = [[4.5,4.7,4.6,4.8],[4.5,4.0,4.6,4.7],[4.5,4.7,4.3,4.2],[4.7,4.6,4.5,4.3],[4.9,4.0,4.0,4.1],[4.1,4.9,4.8,4.9]]
    labels = [4.57,4.49,4.45,4.61,4.55,4.40]
    return input_vecs, labels

训练感知器：

def train_linear_unit():
    p = perceptron(4, f)
    input_vecs, labels = get_training_dataset()
    p.train(input_vecs, labels, 10000, 0.01)
    return p

主函数：

if __name__ == '__main__':
    linear_unit = train_linear_unit()
    print(linear_unit)
    print('[绩点，学生工作，科研成绩，实践表现] = [4.5,4.7,4.6,4.8] 最终得分为：%.2f' % linear_unit.predict([4.5,4.7,4.6,4.8]))
    print('[绩点，学生工作，科研成绩，实践表现] = [4.5,4.0,4.6,4.7] 最终得分为：%.2f' % linear_unit.predict([4.5,4.0,4.6,4.7]))
    print('[绩点，学生工作，科研成绩，实践表现] = [4.5,4.7,4.3,4.2] 最终得分为：%.2f' % linear_unit.predict([4.5,4.7,4.3,4.2]))
    print('[绩点，学生工作，科研成绩，实践表现] = [5.0,5.0,5.0,5.0] 最终得分为：%.2f' % linear_unit.predict([5.0,5.0,5.0,5.0]))

计算结果如下：

weights :[0.592273500292354,0.09907395106529637,0.196892896023883,0.09729332034785503]
bias :0.064500

[绩点，学生工作，科研成绩，实践表现] = [4.5,4.7,4.6,4.8] 最终得分为：4.57
[绩点，学生工作，科研成绩，实践表现] = [4.5,4.0,4.6,4.7] 最终得分为：4.49
[绩点，学生工作，科研成绩，实践表现] = [4.5,4.7,4.3,4.2] 最终得分为：4.45
[绩点，学生工作，科研成绩，实践表现] = [5.0,5.0,5.0,5.0] 最终得分为：4.99