为了账号安全,请及时绑定邮箱和手机立即绑定
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
基本上就是代价函数和梯度下降法
最重要的还是通过学习得到权重向量,然后通过权重向量进行预测分类。
我觉得作为入门是非常好的,为啥连这里学习都有强行装x的?

最新回答 / 慕妹9174353
w[0]其实就是bias, net_input(x)的结果就是最终样本权值计算的结果,predict就是作者说的激活函数,函数的y值是[-1,1]

最新回答 / Parva
将y = df.loc[0:100, 4].values改为y = df.iloc[0:100, 4].values看出区别了吗?loc前面多个i。不然y的维度为101。当然你也可以直接改成y = df.loc[0:99, 4].values

最新回答 / 慕慕5364095
知道啦。这个学习过程其实就是在算θ的过程
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 邀请有奖 帮助中心 APP下载
官方微信

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