課程
/后端開(kāi)發(fā)
/Python
/機(jī)器學(xué)習(xí)-實(shí)現(xiàn)簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)
ppn是哪里來(lái)的？
2020-02-07
源自：機(jī)器學(xué)習(xí)-實(shí)現(xiàn)簡(jiǎn)單神經(jīng)網(wǎng)絡(luò) 3-4
正在回答
ppn?=?Perceptron(eta=0.1,?n_iter=10) ppn.fit(X,?y) plt.plot(range(1,?len(ppn.errors_)?+?1),?ppn.errors_,?marker='o') plt.xlabel("Epochs") plt.ylabel("error?count") plt.show()
from?matplotlib.colors?import?ListedColormapdef?plot_decision_region(X,?y,?classifier,?resolution=0.02): ????marker?=?('s',?'x',?'o',?'v') ????colors?=?('red',?'blue',?'lightgreen',?'gray',?'cyan')????#?len(np.unique(y)=2 ????cmap?=?ListedColormap(colors[:len(np.unique(y))])????#?花莖的長(zhǎng)度 ????x1_min,?x1_max?=?X[:,?0].min()?-?1,?X[:,?0].max()????#?花瓣的長(zhǎng)度 ????x2_min,?x2_max?=?X[:,?1].min()?-?1,?X[:,?1].max() ????print(x1_min,?x1_max) ????print(x2_min,?x2_max)????#?（備注） ????xx1,?xx2?=?np.meshgrid(np.arange(x1_min,?x1_max,?resolution),?np.arange(x2_min,?x2_max,?resolution))????#?輸出語(yǔ)句 ????print(np.arange(x1_min,?x1_max,?resolution).shape) ????print(np.arange(x1_min,?x1_max,?resolution)) ????print(xx1.shape) ????print(xx1) ????print(np.arange(x2_min,?x2_max,?resolution).shape) ????print(np.arange(x2_min,?x2_max,?resolution)) ????print(xx2.shape) ????print(xx2)#?執(zhí)行語(yǔ)句plot_decision_region(X,?y,?ppn,?resolution=0.02)
備注： ????將np.arange()中的向量擴(kuò)展成一個(gè)矩陣 ????a?=?np.arange(x1_min,?x1_max,?resolution)?向量元素為185個(gè) ????xx1[255,?185],將a中的元素作為一行，重復(fù)255行 ????b?=?np.arange(x2_min,?x2_max,?resolution)?向量元素為255個(gè) ????xx2[255,?185],將b中的元素作為一列，重復(fù)185列
謝謝采納~
初始函數(shù)再運(yùn)行一遍，Perceptron在里面
Perception應(yīng)改為?Perceptron
Nikola451
參考視頻開(kāi)頭，補(bǔ)上相關(guān)代碼，發(fā)現(xiàn)前面很多錯(cuò)誤。
參考視頻開(kāi)始，在前面不上代碼：
ppn?=?Perception(eta=0.1,?n_iter=10) ppn.fit(X,?Y) plt.plot(range(1,?len(ppn.errors_)?+?1),?ppn.errors_,?marker='o') plt.xlabel("Epochs") plt.ylabel("error?count") plt.show()
處理掉一些錯(cuò)誤：
1、感知器類(lèi)里面的 初始化函數(shù) 應(yīng)該是__init__,(寫(xiě)成了__int__)
2、類(lèi)里面初始化權(quán)重向量np.zeros，（寫(xiě)成了np.zero）
舉報(bào)
人工智能時(shí)代，你準(zhǔn)備好成為抓住機(jī)遇的那百分之二嗎。
1 回答ppn的錯(cuò)誤
2 回答--------------------------------------------------------------------------- NameError Traceback (most recent call last) <ipython-input-24-83d76d986e7e> in <module>() ----> 1 ppn = Perceptron(eta=0.1, n_iter=10) 2 ppn.
5 回答In[5]的內(nèi)容跳過(guò)去了？
1 回答少了一節(jié)內(nèi)容
2 回答pnn訓(xùn)練沒(méi)講
Copyright ? 2025 imooc.com All Rights Reserved | 京ICP備12003892號(hào)-11 京公網(wǎng)安備11010802030151號(hào)
購(gòu)課補(bǔ)貼聯(lián)系客服咨詢優(yōu)惠詳情
慕課網(wǎng)APP您的移動(dòng)學(xué)習(xí)伙伴
掃描二維碼關(guān)注慕課網(wǎng)微信公眾號(hào)
2020-07-20
ppn?=?Perceptron(eta=0.1,?n_iter=10) ppn.fit(X,?y) plt.plot(range(1,?len(ppn.errors_)?+?1),?ppn.errors_,?marker='o') plt.xlabel("Epochs") plt.ylabel("error?count") plt.show()from?matplotlib.colors?import?ListedColormapdef?plot_decision_region(X,?y,?classifier,?resolution=0.02): ????marker?=?('s',?'x',?'o',?'v') ????colors?=?('red',?'blue',?'lightgreen',?'gray',?'cyan')????#?len(np.unique(y)=2 ????cmap?=?ListedColormap(colors[:len(np.unique(y))])????#?花莖的長(zhǎng)度 ????x1_min,?x1_max?=?X[:,?0].min()?-?1,?X[:,?0].max()????#?花瓣的長(zhǎng)度 ????x2_min,?x2_max?=?X[:,?1].min()?-?1,?X[:,?1].max() ????print(x1_min,?x1_max) ????print(x2_min,?x2_max)????#?（備注） ????xx1,?xx2?=?np.meshgrid(np.arange(x1_min,?x1_max,?resolution),?np.arange(x2_min,?x2_max,?resolution))????#?輸出語(yǔ)句 ????print(np.arange(x1_min,?x1_max,?resolution).shape) ????print(np.arange(x1_min,?x1_max,?resolution)) ????print(xx1.shape) ????print(xx1) ????print(np.arange(x2_min,?x2_max,?resolution).shape) ????print(np.arange(x2_min,?x2_max,?resolution)) ????print(xx2.shape) ????print(xx2)#?執(zhí)行語(yǔ)句plot_decision_region(X,?y,?ppn,?resolution=0.02)謝謝采納~
2020-07-19
初始函數(shù)再運(yùn)行一遍，Perceptron在里面
2020-02-09
2020-02-07
參考視頻開(kāi)頭，補(bǔ)上相關(guān)代碼，發(fā)現(xiàn)前面很多錯(cuò)誤。
參考視頻開(kāi)始，在前面不上代碼：
ppn?=?Perception(eta=0.1,?n_iter=10) ppn.fit(X,?Y) plt.plot(range(1,?len(ppn.errors_)?+?1),?ppn.errors_,?marker='o') plt.xlabel("Epochs") plt.ylabel("error?count") plt.show()處理掉一些錯(cuò)誤：
1、感知器類(lèi)里面的 初始化函數(shù) 應(yīng)該是__init__,(寫(xiě)成了__int__)
2、類(lèi)里面初始化權(quán)重向量np.zeros，（寫(xiě)成了np.zero）