最新回答 / qq_泡泡FISH吉_0
你看下你的classifier在函數(shù)plot_decision_regions(X,?y,?resolution=0.02)沒(méi)有定義吧，肯定報(bào)錯(cuò)。??
最新回答 / 慕哥5378076
具體問(wèn)題要具體分析的，所用的數(shù)學(xué)公式或者原理不同，很可能所面對(duì)的數(shù)據(jù)模型、結(jié)構(gòu)也不一樣，算法自然也要做相應(yīng)的新的設(shè)計(jì)。
2017-09-28
最新回答 / 慕俠9645332
你可以試試把y的數(shù)值減小一個(gè)y=df.loc[0:99,4].values
最新回答 / JackA
這么明顯的錯(cuò)誤，這里for _in range(self.n_iter) ，注意空格隔開(kāi)呀，加工空格就行：for _ in range(self.n_iter)?
2017-09-20
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(huà)不要見(jiàn)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(guò)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)
