[学习笔记]人工智能-神经网络对数据进行分类,构建二维矩阵

1.对投喂数据进行极值获取，构造更多数据做准备

示例

plot_decision_regions(x, y, ppn, resolution=0.02)


def plot_decision_regions(x, y, classifier, resolution=0.02):
    marker = ('s', 'x', 'o', 'v')
    colors = ('red', 'blue', 'lightgreen', 'gray', 'cyan')
    # y 的种类只有-1 和 1 ，根据相应的种类绘制对应的颜色
    cmap = ListedColormap(colors[:len(np.unique(y))])

    x1_min = x[:, 0].min() - 1
    x1_max = x[:, 0].max()
    x2_min = x[:, 1].min() - 1
    x2_max = x[:, 1].max()

    print("花瓣长度最小值 为 %s， 最大值为 %s" % (x1_min, x1_max))
    print("花茎长度最小值 为 %s， 最大值为 %s" % (x2_min, x2_max))

运行结果

花瓣长度最小值 为 3.3， 最大值为 7.0
花茎长度最小值 为 0.0， 最大值为 5.1

2.投喂数据转换为向量，来构造数据，即二维矩阵

    # 构造向量，扩展成一个二维矩阵，resolution向量差值
    xx1 = np.meshgrid(np.arange(x1_min, x1_max, resolution))
    xx2 = np.meshgrid(np.arange(x2_min, x2_max, resolution))
    print("向量大小", np.arange(x1_min, x1_max, resolution).shape)
    print("向量", np.arange(x1_min, x1_max, resolution))

运行结果

x1向量大小 (185,)
x1向量 [ 3.3   3.32  3.34  3.36  3.38  3.4   3.42  3.44  3.46  3.48  3.5   3.52
  3.54  3.56  3.58  3.6   3.62  3.64  3.66  3.68  3.7   3.72  3.74  3.76
  3.78  3.8   3.82  3.84  3.86  3.88  3.9   3.92  3.94  3.96  3.98  4.
  4.02  4.04  4.06  4.08  4.1   4.12  4.14  4.16  4.18  4.2   4.22  4.24
  4.26  4.28  4.3   4.32  4.34  4.36  4.38  4.4   4.42  4.44  4.46  4.48
  4.5   4.52  4.54  4.56  4.58  4.6   4.62  4.64  4.66  4.68  4.7   4.72
  4.74  4.76  4.78  4.8   4.82  4.84  4.86  4.88  4.9   4.92  4.94  4.96
  4.98  5.    5.02  5.04  5.06  5.08  5.1   5.12  5.14  5.16  5.18  5.2
  5.22  5.24  5.26  5.28  5.3   5.32  5.34  5.36  5.38  5.4   5.42  5.44
  5.46  5.48  5.5   5.52  5.54  5.56  5.58  5.6   5.62  5.64  5.66  5.68
  5.7   5.72  5.74  5.76  5.78  5.8   5.82  5.84  5.86  5.88  5.9   5.92
  5.94  5.96  5.98  6.    6.02  6.04  6.06  6.08  6.1   6.12  6.14  6.16
  6.18  6.2   6.22  6.24  6.26  6.28  6.3   6.32  6.34  6.36  6.38  6.4
  6.42  6.44  6.46  6.48  6.5   6.52  6.54  6.56  6.58  6.6   6.62  6.64
  6.66  6.68  6.7   6.72  6.74  6.76  6.78  6.8   6.82  6.84  6.86  6.88
  6.9   6.92  6.94  6.96  6.98]
x2向量大小 (255,)
x2向量 [ 0.    0.02  0.04  0.06  0.08  0.1   0.12  0.14  0.16  0.18  0.2   0.22
  0.24  0.26  0.28  0.3   0.32  0.34  0.36  0.38  0.4   0.42  0.44  0.46
  0.48  0.5   0.52  0.54  0.56  0.58  0.6   0.62  0.64  0.66  0.68  0.7
  0.72  0.74  0.76  0.78  0.8   0.82  0.84  0.86  0.88  0.9   0.92  0.94
  0.96  0.98  1.    1.02  1.04  1.06  1.08  1.1   1.12  1.14  1.16  1.18
  1.2   1.22  1.24  1.26  1.28  1.3   1.32  1.34  1.36  1.38  1.4   1.42
  1.44  1.46  1.48  1.5   1.52  1.54  1.56  1.58  1.6   1.62  1.64  1.66
  1.68  1.7   1.72  1.74  1.76  1.78  1.8   1.82  1.84  1.86  1.88  1.9
  1.92  1.94  1.96  1.98  2.    2.02  2.04  2.06  2.08  2.1   2.12  2.14
  2.16  2.18  2.2   2.22  2.24  2.26  2.28  2.3   2.32  2.34  2.36  2.38
  2.4   2.42  2.44  2.46  2.48  2.5   2.52  2.54  2.56  2.58  2.6   2.62
  2.64  2.66  2.68  2.7   2.72  2.74  2.76  2.78  2.8   2.82  2.84  2.86
  2.88  2.9   2.92  2.94  2.96  2.98  3.    3.02  3.04  3.06  3.08  3.1
  3.12  3.14  3.16  3.18  3.2   3.22  3.24  3.26  3.28  3.3   3.32  3.34
  3.36  3.38  3.4   3.42  3.44  3.46  3.48  3.5   3.52  3.54  3.56  3.58
  3.6   3.62  3.64  3.66  3.68  3.7   3.72  3.74  3.76  3.78  3.8   3.82
  3.84  3.86  3.88  3.9   3.92  3.94  3.96  3.98  4.    4.02  4.04  4.06
  4.08  4.1   4.12  4.14  4.16  4.18  4.2   4.22  4.24  4.26  4.28  4.3
  4.32  4.34  4.36  4.38  4.4   4.42  4.44  4.46  4.48  4.5   4.52  4.54
  4.56  4.58  4.6   4.62  4.64  4.66  4.68  4.7   4.72  4.74  4.76  4.78
  4.8   4.82  4.84  4.86  4.88  4.9   4.92  4.94  4.96  4.98  5.    5.02
  5.04  5.06  5.08]
xx1 二维矩阵大小 (255, 185)
xx1 二维矩阵 [[ 3.3   3.32  3.34 ...,  6.94  6.96  6.98]
 [ 3.3   3.32  3.34 ...,  6.94  6.96  6.98]
 [ 3.3   3.32  3.34 ...,  6.94  6.96  6.98]
 ..., 
 [ 3.3   3.32  3.34 ...,  6.94  6.96  6.98]
 [ 3.3   3.32  3.34 ...,  6.94  6.96  6.98]
 [ 3.3   3.32  3.34 ...,  6.94  6.96  6.98]]
xx2 二维矩阵大小 (255, 185)
xx2 二维矩阵 [[ 0.    0.    0.   ...,  0.    0.    0.  ]
 [ 0.02  0.02  0.02 ...,  0.02  0.02  0.02]
 [ 0.04  0.04  0.04 ...,  0.04  0.04  0.04]
 ..., 
 [ 5.04  5.04  5.04 ...,  5.04  5.04  5.04]
 [ 5.06  5.06  5.06 ...,  5.06  5.06  5.06]
 [ 5.08  5.08  5.08 ...,  5.08  5.08  5.08]]

上述3.3， 3.32， 3，34，其中差值resolution=0.02

3.学习笔记来源

https://www.imooc.com/video/14380

4.Git

https://github.com/sufadi/SimpleNeuronNetworkDemo/blob/master/su/Perceptron.py