机器学习-第二章的学习代码

最新推荐文章于 2022-04-22 11:13:14 发布

qiao_lili

最新推荐文章于 2022-04-22 11:13:14 发布

阅读量390

点赞数

分类专栏： python 文章标签： ml

本文链接：https://blog.csdn.net/qiao_lili/article/details/93488003

版权

本文通过代码展示了机器学习中感知机的学习过程，包括数据读取、使用自定义感知机进行训练、绘制色度图、增加激励单元、调整不同学习率的影响，以及数据归一化后的训练效果。

摘要由CSDN通过智能技术生成

读取数据：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# 读取数据
df =  pd.read_csv("./iris.data")
y = df.iloc[0:100, 4].values
y = np.where(y == "Iris-setosa", 1, -1)
x = df.iloc[0:100, [0,2]].values
plt.scatter(x[y==1,[0]], x[y==1, [1]], color='red', marker="o", label="Iris-setosa") # 散点图
plt.scatter(x[y==-1,[0]], x[y==-1, [1]], color='blue', marker="o", label="setosa")
plt.xlabel("sepal length [cm]")
plt.ylabel("petal length [cm]")
plt.legend(loc="upper left")
plt.show()

采用自定义的感知机进行训练：

class perception:
    def __init__(self, X, Y, lr = 0.01, Iter = 50):
        self.lr = lr
        self.Iter = Iter
        self.X = X
        self.Y = Y
        np.random.seed(10)
        self.w = np.random.normal(loc=0.0, scale=0.01, size=X.shape[1]+1)
    def prediction(self, x):