最新回答 / 慕前端1296039
對于訓(xùn)練樣本集中的每一個樣本依次拿出來訓(xùn)練，因?yàn)槭怯斜O(jiān)督學(xué)習(xí)，訓(xùn)練樣本中包含了樣本真實(shí)的分類，所以從感知函數(shù)輸出后如果與真實(shí)分類不同，則調(diào)整權(quán)重向量，反之不需要調(diào)整。
2018-12-28
最新回答 / 昊天無鳴3781312
回答你這個問題，沒有必要刪了pycharm，但是有必要裝一個anaconda。因?yàn)檫@個anaconda集成包解決了很多依賴問題，比如numpy、pandas這些包在安裝之前還要安裝其他的包作為他的依賴庫，總的來說就是如果自己裝python3然后pip對應(yīng)的包很麻煩。另外anaconda里面的jupyter在學(xué)習(xí)的時候很好用，以及里面有很多的功能，我認(rèn)為就是一個筆記本，不適合用來開發(fā)。但是考慮到安裝anaconda的時候會自動帶下來一個spyder（等同于pycharm），我覺得用spyder就可以了。所以...
2018-12-27
最贊回答 / Du1in9
<...code...><...code...>
最新回答 / jasonvon1992
Perceptron拼錯了
最贊回答 / Du1in9
import?numpy?as?npclass?Perceptron(object): ????#?注釋1 ????def?__init__(self,?eta?=?0.01,?n_iter?=?10):????????self.eta?=?eta????????self.n_iter?=?n_iter????def?fit(self,?X,?y):????????#?注釋...
2018-11-05
最贊回答 / 半只卡西
5.1,3.5,1.4,0.2,Iris-setosa 4.9,3.0,1.4,0.2,Iris-setosa 4.7,3.2,1.3,0.2,Iris-setosa 4.6,3.1,1.5,0.2,Iris-setosa 5.0,3.6,1.4,0.2,Iris-setosa 5.4,3.9,1.7,0.4,Iris-setosa 4.6,3.4,1.4,0.3,Iris-setosa 5.0,3.4,1.5,0.2,Iris-setosa 4.4,2.9,1.4,0.2,Iris-setosa 4.9...
2018-11-04
最新回答 / 南風(fēng)為起念你成疾
>>a=[1 2 3 4 5 6];>> b=reshape(a,3,2)b =[[1 4],? ? ? ?[2 5],? ? ? ?[3 6]]
2018-10-29
最贊回答 / 慕沐8001668
我覺得應(yīng)該是對的
最新回答 / 慕沐9044854
括號位置錯了，
np.dot(X,self.w_[1:])?+?self.w[0]
最新回答 / 李愛菊
一般習(xí)慣于把學(xué)習(xí)率eta寫在前面。
最新回答 / 慕標(biāo)5055955
是的，classifier參數(shù)對應(yīng)的就是感知器