最新回答 / 云日召
我的方法：把訓(xùn)練的60個(gè)數(shù)據(jù)放在前60行，預(yù)測(cè)用的40個(gè)數(shù)據(jù)放在后40行然后關(guān)鍵是改下面的代碼y = df.loc[0:60,4].valuesy = np.where(y == "Iris-setosa",-1,1)X = df.loc[0:60,[0,2]].valuesX2 = df.loc[61:100,[0,2]].valuesplot_decision_regions(X2,aad.predict(X2),aad,resolution=0.02)我只是新手，不好的話不要見怪
最新回答 / calliopsis4139666
隨機(jī)的初始化一個(gè)值，后續(xù)會(huì)不斷更新權(quán)重向量W，直到收斂。注意這個(gè)過程閾值是不斷改變的，可以看成尋找最優(yōu)解。
2017-08-17
最新回答 / SkullFang
看看你的輸入數(shù)據(jù)
最新回答 / geek_kys
https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
+ 我來回答
回答最高可+2積分
最贊回答 / Cone_on
今天剛學(xué)到這個(gè)軟件，下載下來，上傳到我自己的百度云，然后分享給大家。我現(xiàn)在在用這個(gè)，很好用的。鏈接：http://pan.baidu.com/s/1gf1U2zT 密碼：t7aa
2017-08-02
最新回答 / 慕粉3810876
這一節(jié)有問題，運(yùn)行時(shí)有錯(cuò)誤，解決方法如下：import numpy as npclass Perceptron(object):??? def __init__(self, eta=0.01, n_iter=10):??????? self.eta=eta??????? self.n_iter=n_iter??? def fit(self, X, y):??????? self.w_=np.zeros(1+X.shape[1])??????? self.errors_ = []??????? for _ ...
最新回答 / zony
先創(chuàng)建感知器ppn?=?Perceptron(eta=0.1,?n_iter=10)然后訓(xùn)練就可以了ppn.fit(X,?y)
