scikit Perceptron偏见

Question

我正在使用scikit类Perceptron提供的非常基本的线性分类器：

  clf = linear_model.Perceptron(n_iter=12)
  clf.fit(X,Y)

我有一个X数组，其中行是实例，列是二进制功能。我的班级有一个Y数组。我的数据有三个类。 我有两个问题： 1）感知器算法需要偏置项。 scikit perceptron如何处理偏见？我应该添加一个＆＃34;偏向列＆＃34; （所有的）我的输入X数据？或者scikit perceptron功能是否会自动添加带有特征的X阵列（输入）的偏差？还是分开处理偏见？ 2）如何找到感知器的训练错误？

Answer 1

1）偏差将自动处理。如果您不确定，请尝试使用2个版本的数据进行培训...原始数据和缩放版本（sklearn中的标准缩放器）。

2）

clf = linear_model.Perceptron(n_iter=12)
clf.fit(X, Y)

training_results = clf.predict(X)
training_error = 1 - metrics.accuracy_score(training_results, Y)  #or pick your metric from metrics module.

如您所见，如果您在使用训练过的数据进行预测时计算错误，则会出现训练错误。 “测试错误”是指您在数据上预测模型尚未“看到”的情况。 我从1中减去，因为准确度给出了成功匹配的百分比（衡量成功的程度），而训练误差则是误差的度量。有许多类型的错误...准确性只是一个。

Answer 2

1. 偏差项是自动学习的，可以在调用clf.intercept_之后在fit中找到（这是一个每个类有一个术语的数组）。

2. clf.score(X)给出了X的准确性。 1 - clf.score(X)是零丢失（错误）。