编译环境使用的是anaconda,应用的是python语言
软件包的下载:https://mirrors.tuna.tsinghua.edu.cn/
安装后进入:
Environment-->root-->open with Jupyter NoteBook-->弹出网页-->new-->python
然后进行代码编写(代码是根据教学视频中的代码给出的)
import numpy as np
class Perceptron(object):
"""
实现感知器的类
eta:学习率
n_iter:权重向量的训练次数
w_:神经分叉权重向量
errors_:用于记录神经元判断出错次数
def _int:为初始化函数
"""
def _int_(self, eta = 0.01, n_iter=10):
self.eta=eta;
self.n_iter=n_iter
pass
def fit(self,X,y):
"""
1.fit方法是为输入训练数据,培训神经元
2.其中X是电信号向量,即输入样本向量
3.y:每一个样本所属于的分类
4.每一个X都有一个shape属性,是对X向量的描述
X:shape(n_samples,n_features)
其中n_samples是指X中有多少个输入的样本量
n_features这个分叉输入的电信号有多少个,比如神经元有三个分叉,则这个神经元
可以接受三个输入电信号
eg:x:[[1,2,3],[4,5,6]]
n_samples:2
n_features:3
y:[1,-1]表示[1,2,3]属于分类1,[4,5,6]属于分类-1
1.初始化权重向量为0
2.np.zero:数学库,初始化分量全是0的一个向量
3.其中X.shape[1]为X.shape中的n_samples的