人工智能之實現簡單神經網絡之權重更新算法

1.下面小關來介紹一下人工智能之實現簡單神經網絡之權重更新算法

2.來吧展示jupter noterbook

#調庫
import numpy as np
#定義感受器
class Perceptron(object):
    #eta:學習率
    #n_iter:權重向量的訓練次數
    #w_:神經分叉權重向量
    #errors_:用於記錄神經元判斷出錯次數
    def _int_(self,eta = 0.01,n_iter = 10):
        self.eta = eta
        self.n_iter = n_iter
        pass
    #輸入訓練數據，培訓神經元
    #x為輸入樣本向量，y為對應樣本分類
    #x:shape[n_samples,n_features]
    #例如x[1,2,3],[4,5,6]
    #n_samples:2
    #n_feature:3
    #y:[1,-1]  
    #初始化權重向量為0，+1因為w0（步調函數閾值）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是一個向量
                #updata * xi 等價於：
                self.w_[1:] += updata * xi  #注意+=之間沒空格
                self.w_[0] += updata   #注意+=之間沒空格
                
                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.關於詳細解釋，上面都有注釋

希望能幫到大家，問你們要一個贊，你們會給嗎，謝謝大家
版權聲明：本文版權歸作者（@攻城獅小關）和博客園共有，歡迎轉載，但未經作者同意必須保留此段聲明，且在文章頁面明顯位置給出原文連接，否則保留追究法律責任的權利。
大家寫文都不容易，請尊重勞動成果~
交流加Q：1909561302
CSDN地址https://blog.csdn.net/Mumaren6/