Inteligencia artificial para realizar el algoritmo de actualización de peso de una red neuronal simple

1. El siguiente paso pequeño presenta el algoritmo de actualización de peso de la inteligencia artificial para realizar una red neuronal simple

2. Vamos, show 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. Hay notas sobre la explicación detallada.

Espero poder ayudar a todos, les pregunto si quieren un me gusta, me lo darán, gracias a todos.
Declaración de derechos de autor: Los derechos de autor de este artículo pertenecen al autor (@ 攻城 狮 小 关) y al CSDN. Bienvenido a la reimpresión, pero debe conservar este párrafo sin el consentimiento del autor. Declaración y proporcione el enlace original en un lugar obvio en la página del artículo; de lo contrario, se reserva el derecho a ejercer la responsabilidad legal.
No es fácil para todos escribir artículos, por favor respete los frutos del trabajo ~ 
Communication plus Q: 1909561302
blog garden address https://www.cnblogs.com/guanguan-com/