1.次の小さなパスは、単純なニューラルネットワークを実現するための人工知能の重み更新アルゴリズムを紹介します
2.ショージュプターノートブックに来てください
#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.詳細な説明に注意があります
皆様のお役に立てれば幸いです。よろしければお願いします。よろしくお願いします。
著作権に関する声明:この記事の著作権は著者(@攻城狮小関連)とCSDNに帰属します。再版へようこそ。ただし、著者の同意なしにこの段落を保持する必要があります。声明を出し、記事ページのわかりやすい場所に元のリンクを提供します。それ以外の場合は、法的責任を追求する権利が留保されます。
誰もが記事を書くのは簡単ではありません。労働の成果を尊重してください〜
コミュニケーションプラスQ:1909561302
ブログガーデンアドレスhttps://www.cnblogs.com/guanguan-com/