感知器模型代码实现

本文介绍了如何实现感知器模型,包括普通版的代码示例和使用Scikit-learn库的版本。通过可视化帮助理解感知器模型的训练过程,尽管在某些情况下可能无法显示某些曲线,但不影响整体理解。Scikit-learn版的perception类提供了正则化、学习率等参数调整选项。
摘要由CSDN通过智能技术生成

普通版

本人编写感知器模型部分的代码实例如下:

class Perception(object):
    def __init__(self):
        self.w = None  # dim x 1
        self.b = 0
        self.lr = 0.5

    def obj_func(self, xi, yi):
        return yi*(xi.dot(self.w) + self.b)

    def fit(self, x, y):
        self.w = np.zeros(x.shape[1])
        i = 0
        while True:
            if self.obj_func(x[i], y[i]) <= 0:
                self.w = self.w + self.lr * y[i] * x[i]
                self.b = self.b + self.lr * y[i]
                print('weight: {}, bias: {}'.format(self.w, self.b))
                i 
  • 1
    点赞
  • 5
    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