Question

我正在尝试使用感知器。这是我要关注的文章 https://www.bogotobogo.com/python/scikit-learn/Perceptron_Model_with_Iris_DataSet.php

我尝试在jupyter笔记本中运行代码。

>>> # import Perceptron from perceptron.py
>>> from perceptron import Perceptron
>>> pn = Perceptron(0.1, 10)
>>> pn.fit(X, y)
>>> plt.plot(range(1, len(pn.errors) + 1), pn.errors, marker='o')
>>> plt.xlabel('Epochs')
>>> plt.ylabel('Number of misclassifications')
>>> plt.show()

他们如何训练这种模型？

Answer 1

不幸的是，这不是一个可以简单回答的问题，但是有很好的详细描述它的解释。

简而言之，该模型通过调整权重进行学习。在感知器中，输入向量的每个分量都有权重。因此，如果您的输入向量包含10个值，则您有10个权重。权重影响分量的影响方式（负向或正向）以及强度如何影响感知器的最终决策。权重与输入向量一起作为误差函数的输入。然后，学习算法将搜索值以获取权重，因此误差函数将达到训练数据的最小值。因此，学习过程是对函数的数学优化。

也许这可以帮助： enter link description here

他们如何训练感知器？

1 个答案: