Question

我试图通过使用具有逻辑激活功能的delta学习规则来实现单个神经元。我的代码如下。

import numpy as np
X = np.matrix('2; 4; 6; 8; 10; 15; 20; 25; 30; 40; 50; 60')
g = np.matrix('4.32323; 4.96276; 5.45565; 6.27151; 6.8552; 8.64987; 10.32581; 12.21393; 14.45659; 15.87602; 15.82488; 16.19419') 
norm_fac=16.19419
y =  [x / norm_fac for x in g]

class SingleNeuron (object):

    def __init__(self, eta=0.01, n_iter=10):
        self.eta=eta
        self.n_iter=n_iter

    def fit (self, X, y):
        self.w_ = np.zeros (X.shape[1]+1)
        self.cost_ = []

        for i in range (self.n_iter):
            output = self.net_input(X)
            errors = (y - output)
            self.w_[1:] += self.eta * X[0:].T.dot(errors)
            self.w_[0] += self.eta * errors.sum ()
            cost = (errors**2).sum() / 2.0
            self.cost_.append(cost)
        return self

      def net_input(self, X):
          return 1/(1+ np.exp (-(np.dot(X, self.w_[1]) + self.w_[0])))

      def predict(self, X):
          return self.net_input(X)

SN = SingleNeuron (eta = 0.1, n_iter = 10)
SN.fit (X, y)

然而，当我运行代码时，我遇到了错误： array_prepare 必须返回一个ndarray或其子类，否则与其输入相同。

我知道之前已经回答了一个问题（Numpy __array_prepare__ error），但这对我没什么帮助。我非常感谢任何帮助。谢谢

Answer 1

我调试了你的代码，但有几个错误：

1）而不是使用：

y =  [x / norm_fac for x in g]

您可以直接计算y：

y_in = g_in / norm_fac

这可以在您计算y - output

时解决错误

2）现在，这一行导致了一个问题：

self.w_[1:] += self.eta * X[0:].T.dot(errors)

由于您要访问w_的第一个元素，因此您必须使用w_[1]。您使用的内容从第1个元素开始获取w_的所有元素。

同样X[0:]是不必要的，因为它返回X的所有元素。只需使用X代替：

self.w_[1] += self.eta * X.T.dot(errors)

3）你不应该使用

(errors\*\*2).sum()

计算误差平方和。 errors**2尝试将错误与自身相乘，并且由于错误是向量而导致错误。相反，你必须使用numpy.power来获得元素明智的力量：

np.power(errors, 2)

同样为了更好的练习：
1）将主代码放到最后并重命名变量。你有一个全局变量（在顶部定义）和输入变量，这会导致阴影。

2）在初始化中定义所有与类相关的变量。

3）使用小写变量名称。

4）你可以使用x * y而不是x.dot（y），因为你使用的是numpy，它的操作是相同的。

5）最后打印一些结果。

考虑到这些以及遵循Python PEP8格式指南，我已按如下方式更改了您的代码：

import numpy as np

class SingleNeuron (object):

    def __init__(self, eta=0.01, n_iter=10):
        self.eta = eta
        self.n_iter = n_iter
        self.w_ = []
        self.cost_ = []

    def fit(self, x, y):
        self.w_ = np.zeros(x.shape[1]+1)
        self.cost_ = []

        for i in range(self.n_iter):
            output = self.net_input(x)
            errors = (y - output)
            self.w_[1] += self.eta * x.T * errors
            self.w_[0] += self.eta * errors.sum()
            cost = np.power(errors, 2).sum() / 2
            self.cost_.append(cost)
        return self

    def net_input(self, x):
        return 1 / (1 + np.exp(-((x * self.w_[1]) + self.w_[0])))

    def predict(self, x):
        return self.net_input(x)


norm_fac = 16.19419
x_in = np.matrix('2; 4; 6; 8; 10; 15; 20; 25; 30; 40; 50; 60')
g_in = np.matrix('4.32323; 4.96276; 5.45565; 6.27151; 6.8552; 8.64987;     10.32581; 12.21393; 14.45659; 15.87602; '
             '15.82488; 16.19419')
y_in = g_in / norm_fac

SN = SingleNeuron(eta=0.1, n_iter=10)
SN = SN.fit(x_in, y_in)
print SN.w_
print SN.cost_

我不确定这段代码是否符合您的要求。你必须逐步控制逻辑。

P.S。：我建议使用PyCharm在Python中进行开发。

typeError：__ array_prepare__

1 个答案: