我尝试使用一些随机数据训练感知器。看来我的数据与Perceptron类的输入格式不匹配:
这是我用来创建数据的托盘的方法:
Q1 = 100
X1 = 1 + 0.5*np.random.randn(Q1,1)
X2 = 1 + 0.5*np.random.randn(Q1,1)
my_training_inputs = np.array(list(zip(X1, X2)))
my_labels = np.ones((len(X1),))
以下是我必须准备以上数据的格式:
training_inputs = []
training_inputs.append(np.array([1, 1]))
training_inputs.append(np.array([1, 0]))
training_inputs.append(np.array([0, 1]))
training_inputs.append(np.array([0, 0]))
labels = np.array([1, 0, 0, 0])
如何以这种格式准备数据?
答案 0 :(得分:1)
使用np.concatenate
:
Q1 = 100
X1 = 1 + 0.5*np.random.randn(Q1,1)
X2 = 1 + 0.5*np.random.randn(Q1,1)
my_training_inputs = np.concatenate((X1,X2), axis=1)
my_labels = np.ones((len(X1),))
print(my_labels.shape)
#(100,)
print(my_training_inputs.shape)
#(100, 2)
#print the 4 first samples (inputs)
print(my_training_inputs[0:4])
#array([[0.754558 , 0.76998302],
# [0.0716354 , 1.34796436],
# [1.25007314, 1.61079584],
# [0.74931903, 0.9899375 ]])
答案 1 :(得分:0)
由于X1
已经是一个数组,因此不能在X2
和np.random.randn(Q1,1)
的定义中添加方括号。只需用以下内容替换X1
和X2
的定义:
X1 = 1 + 0.5*np.random.randn(Q1,1)
X2 = 1 + 0.5*np.random.randn(Q1,1)