人工智能之实现简单神经网络之权重更新算法

1.下面小关来介绍一下人工智能之实现简单神经网络之权重更新算法

2.来吧展示jupter noterbook

#调库
import numpy as np
#定义感受器
class Perceptron(object):
    #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_(self,eta = 0.01,n_iter = 10):
        self.eta = eta
        self.n_iter = n_iter
        pass
    #输入训练数据，培训神经元
    #x为输入样本向量，y为对应样本分类
    #x:shape[n_samples,n_features]
    #例如x[1,2,3],[4,5,6]
    #n_samples:2
    #n_feature:3
    #y:[1,-1]  
    #初始化权重向量为0，+1因为w0（步调函数阈值）需初始化
    def fit(self,x,y):
        self.w_ =np.zero(1 + x.shape[1]);
        self.errors_ = [];
        
        for _ in range(self.n_iter):
            errors = 0
            #x[[1,2,3],[4,5,6]]
            #y[1,-1]
            #zip(x,y) = [[1,2,3,1],[4,5,6,-1]]
            for xi,target in zip(x,y):
                #update = n * (y-y')
                update = self.eta * (target - self.predict(xi))
                #xi是一个向量
                #updata * xi 等价于：
                self.w_[1:] += updata * xi  #注意+=之间没空格
                self.w_[0] += updata   #注意+=之间没空格
                
                errors +=int(update != 0.0)
                self.errors_.append(errors)
                pass
            pass
        def net_input(self,x):
            return np.dot(x,self.w_[1:]) + self.w_[0]
            pass
        def predict(self,x):
            return np.where(self.net_input(x) >= 0.0 , 1,-1)
            pass
        pass
        
    

3.关于详细解释，上面都有注释

希望能帮到大家，问你们要一个赞，你们会给吗，谢谢大家
版权声明：本文版权归作者（@攻城狮小关）和CSDN共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文连接，否则保留追究法律责任的权利。
大家写文都不容易，请尊重劳动成果~ 
交流加Q：1909561302
博客园地址https://www.cnblogs.com/guanguan-com/