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/