import numpu as np

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:用于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

def fit(self,x,y):

? ? """""

? ? 輸入訓練數據，培訓神經元，x輸入樣本向量，y對應樣本分類

? ? x：shape[n_samples,n_features]

? ? x:[[1,2,3],[4,5,6]]

? ? n_samples:2

? ? n_features:3

? ? y:[1,-1]

? ? """""

? ? self.w_=np.zero(1+x.shape[1])

? ? self.errors_=[]

? ? for _in range(self.n_iter)

? ? ? ? error=0

? ? ? ? """""

? ? ? ? x:[1,2,3],[4,5,6]

? ? ? ? y:[1,-1]

? ? ? ? zip作用：

? ? ? ? zip[x,y]=[[1,2,3,1],[4,5,6,-1]]

? ? ? ? """""

? ? ? ? for xi,target in zip(x,y)

? ? ? ? ? ? """""

? ? ? ? ? ? update=學習率*(y-y') y:預測值，y'計算值

? ? ? ? ? ? """""

? ? ? ? ? ? update=self.eta*(target-self.predic(xi))

? ? ? ? ? ? """"

? ? ? ? ? ? xi 是一個向量

? ? ? ? ? ? update*xi 等價:

? ? ? ? ? ? [w(1)]=x[1]*update,[w(2)]=x[2]*update,[w(3)]=x[3]*update

? ? ? ? ? ? """"

? ? ? ? ? ? self.w_[1:]+=update*xi

? ? ? ? ? ? self.w_[0]+=update

? ? ? ? ? ? errors+=int(update!==0.0)

? ? ? ? ? ? self.errors_.append(errors)

? ? ? ? pass ??

? ? ? ??

? ? pass

? ? def net_input(self,x):

? ? """"

? ? z=W0*1+W1*X1+...Wn*Xn

? ? """"

? ? 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

------------------3.6 運行---------------------------

File "<ipython-input-8-161dd3d13aa5>", line 24 ? ?for _in range(self.n_iter) ? ? ? ? ? ? ? ?^SyntaxError: invalid syntax