5、简单机器学习分类算法训练

简单机器学习分类算法训练

1. 感知机预测与误差收集

在分类任务中，感知机的 predict 方法用于预测类别标签。在训练时， fit 方法会调用 predict 来获取类别标签以更新权重；训练完成后，也可用于预测新数据的类别标签。同时，我们会将每个训练周期（epoch）中的错误分类数量收集到 self.errors_ 列表中，以便后续分析感知机在训练过程中的表现。 net_input 方法使用 np.dot 函数计算向量点积$w^Tx$。

2. 鸢尾花数据集训练感知机

2.1 加载数据集

为了测试感知机的实现，我们将分析和示例限制在鸢尾花数据集的两个特征变量（维度）上，即萼片长度和花瓣长度，这样便于在散点图中可视化训练模型的决策区域。同时，我们仅考虑鸢尾花数据集中的两种花：山鸢尾（Setosa）和变色鸢尾（Versicolor），因为感知机是二元分类器。
使用 pandas 库从UCI机器学习库直接加载鸢尾花数据集到 DataFrame 对象，并通过 tail 方法打印最后五行，以确保数据正确加载：

import os
import pandas as pd
s = os.path.join('https://archive.ics.uci.edu', 'ml',