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. 感知机模型预测与错误记录

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 来获取用于权重更新的类别标签；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）中的错误分类数量记录在 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 方法中使用的 np.dot 函数用于计算向量点积$w^Tx$。

2. 鸢尾花数据集训练感知机

2.1 数据加载与处理

为了测试感知机的实现，我们将后续分析和示例限制在两个特征变量（维度）上，仅考虑鸢尾花数据集中的萼片长度和花瓣长度这两个特征，这样便于通过散点图可视化训练模型的决策区域。同时，由于感知机是二元分类器，我们只考虑鸢尾花数据集中的山鸢尾（Setosa）和变色鸢尾（Versicolor）这两个类别。

可以使用 pandas 库直接从UCI机器学习库加载鸢尾花数据集到 DataFrame 对象中，并通过 tail 方法打印最后五行数据，以确保数据加载正确：

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