为了账号安全,请及时绑定邮箱和手机立即绑定

已采纳回答 / qq_Zhuim_0
真正的w是权重,阈值是权重与输入点积后的一个评判标准,只是为了计算方便,才人为的将它记为w0,放在了点积计算中。原公式是w1*x1 + w2*x2 + ... + wm*xm ?>= 阈值,两边同时加上阈值的相反数,左边就变成了w1*x1 + w2*x2 + ... + wm*xm - 阈值 ?>= 0,再人为的定义“-阈值”记为“w0”,就变成了现在这个样子。(我打不出阈值的那个符号,就先用中文代替下吧)
最小值为什么要减1呢?

最新回答 / qq_老六_2
predict函数和fit函数对齐就可以了。刚刚才发现的。

最新回答 / qq_慕函数0415002
w_是4*1的向量,xi是1*3的向量,dot(X, w_[1:])中 X是2*3的矩阵,w_[1:]是3*1的向量,点乘之后是2*1的向量,代表两个样本数据计算得到的z值。
说实话跟python机器学习这本书第二章一模一样的图都不改一下6
__int__。。。看得我这个别扭啊。。。
说的有些坑, 还需要自己填坑。。。。。。
x.shape[1]应该是对应的n_features(即3),因为w有w0,但x里也有x0,阈值是w0*x0
首页上一页1234567下一页尾页
课程须知
有一定的编程基础,例如掌握C语言。
老师告诉你能学到什么?
1、机器学习的基本概念介绍 2、数据分类算法介绍 3、神经元感知器分类算法并进行实现 4、数据解析和可视化设计 5、使用数据训练神经网络 6、如何使用训练后的神经网络分类数据 7、适应性线性神经元的基本原理并实现 8、适应性线性神经元网络进行数据分类
意见反馈 帮助中心 APP下载
官方微信
友情提示:

您好,此课程属于迁移课程,您已购买该课程,无需重复购买,感谢您对慕课网的支持!

本次提问将花费2个积分

你的积分不足,无法发表

为什么扣积分?

本次提问将花费2个积分

继续发表请点击 "确定"

为什么扣积分?

举报

0/150
提交
取消