苏法迪的专栏

分类算法感知器适应性的线性神经元 机器学习的本质是模拟人的神经元对信号处理的方法1.神经元的数学表达式神经元的数学表示：即输入与权重的点乘 输入电信号用向量x1….表示，而后由弱化因子w1…进行弱化，再汇总：z=x1w1+….。在细胞核进行激活判断。φ（z）= 1，当z大于等于某一阈值。反之为-1.2.激活函数单元步调函数，传递信号，输出 1（z 大

感知器分类算法学习笔记来源 https://www.imooc.com/video/143761.算法框架很喜欢这个图 机器学习就是不断更新权重和阈值的过程2.感知器算法适用范围感知器算法适用于线性分割 3.算法步骤3.1 权重向量初始化为 0步调函数和阈值 权重向量W，训练样本X 其中W(0)是阈值的取负数，X(0) 初值 1

1.对投喂数据进行极值获取，构造更多数据做准备示例plot_decision_regions(x, y, ppn, resolution=0.02)def plot_decision_regions(x, y, classifier, resolution=0.02): marker = ('s', 'x', 'o', 'v') colors = ('red',

1.数据进行分类z = classifier.predict(np.array([xx1.ravel(), xx2.ravel()]).T)=======================================================def plot_decision_regions(x, y, classifier, resolution=0.02): ma

学习笔记来源https://www.imooc.com/video/106751.爬虫的介绍自动从互联网获取所感兴趣的数据的一段程序。2.爬虫技术的价值未来是信息为王的社会，要好好抓住这个末班车，听了这个价值，整个人都激动得不行。3.爬虫技术的架构这个网页可以将互联网相关网页的数据都爬取下来。 爬虫调度端： 启动爬虫，停止爬虫，监视爬虫运行

1.学习笔记来源https://www.imooc.com/video/14384Demo下载https://github.com/sufadi/SimpleNeuronNetworkDemo2.自适应线性神经元数位动态调整数据参数，让实际结果和预测结果动态调整，让其更加准确 3.和方差公式不断调整w参数，使得输入数据j（w）最小，这样预测数据就越精确

0.学习笔记来源https://www.imooc.com/video/106881.抓取步骤2.如何确定抓取策略：1.url格式2.数据格式3.页面编码点击右键审查元素查看关键的标签对和网页的编码 3.百度百科相关词条信息注意：目前是定向爬虫，爬取的数据策略可能随着网站更新而变化4.启动模块-main# coding=...