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

感知机原理概述

在正式进入实现环节之前，我们可以通过一个简单的图示来总结感知机的一般概念。感知机接收输入示例 $x$，将其与权重 $w$ 相结合计算净输入。净输入随后传递给阈值函数，该函数生成二进制输出 -1 或 +1，这就是示例的预测类别标签。在学习阶段，这个输出用于计算预测误差并更新权重。

Python 实现感知机学习算法

我们采用面向对象的方法，将感知机接口定义为 Python 类。这样可以初始化新的感知机对象，通过 fit 方法从数据中学习，并通过 predict 方法进行预测。按照惯例，对于不是在对象初始化时创建，而是通过调用对象的其他方法创建的属性，我们会在后面添加下划线（ _ ），例如 self.w_ 。

以下是 Python 中感知机的实现代码：

import numpy as np

class Perceptron(object):
    """Perceptron classifier.

    Parameters
    ------------
    eta : float
      Learning rate (between 0.0 and 1.0)
    n_iter : int
      Passes over the training dataset.
    random_state : int
      Random number generator seed for rand