已采納回答 / Jessica1221
回答樓主第二個問題from matplotlib.colors import ListedColormapdef plot_decision_regions(X,y,classifier,resolution=0.02):? ? markers=('o','x','s','v')? ? colors=('red','blue','lightgreen','gray','cyan')把老師寫的marker元組改成markers就可以了。
2017-05-28
最新回答 / Wendy_one
原理是△wj的公式(不方便打)中y(i)-φ (z(i))是errors ,根據求和得到errors.sum()。errors.sum()中的每一個值再與self.eta(學習率)想相乘,也就是△w(w:=w+△w),而self.w_[0]就是w.也就是對△wj公式和w:=w+△w公式的一個推導。
2017-05-25
最新回答 / qq_破曉_36
self沒有定義,你少抄了? ? def __init__(self, eta=0.01, n_iter=10):? ? ? ? self.eta = eta? ? ? ? self.n_iter = n_iter
2017-05-24
最贊回答 / 只是瘋狂只是野
找到了,把下面的數據放到一個txt文件中,再把后綴改為.csv就能用了5.1,3.5,1.4,0.2,Iris-setosa4.9,3.0,1.4,0.2,Iris-setosa4.7,3.2,1.3,0.2,Iris-setosa4.6,3.1,1.5,0.2,Iris-setosa5.0,3.6,1.4,0.2,Iris-setosa5.4,3.9,1.7,0.4,Iris-setosa4.6,3.4,1.4,0.3,Iris-setosa5.0,3.4,1.5,0.2,Iris-setosa4.4,...
2017-05-21
最贊回答 / 只是瘋狂只是野
anaconda 和Python的區別在于,anaconda集成了絕大部分Python處理數據所要用到的包,而不需要你再去手動安裝。而且anaconda的安裝是傻瓜式的,會自動配置好環境變量,不需要你操心。安裝好anaconda后,打開命令行,直接輸入jupyter notebook 回車,稍等片刻,瀏覽器會自動彈出來一個界面,然后按照視頻里面的操作就可以了。
2017-05-17
最新回答 / 柯基弟弟
cost這個變量,記錄的是每一輪迭代中代價函數的值,而本案例中使用的是方差總和來衡量代價總量。具體見代碼:<...code...>反向傳播調整權重的目的,是為了讓代價函數的值最小。案例中體現在隨著訓練次數的增加,從第1次到第50次,總代價的快速下降。
2017-05-16