已采納回答 / Jessica1221
回答樓主第二個問題from matplotlib.colors import ListedColormapdef plot_decision_regions(X,y,classifier,resolution=0.02):? ? markers=('o','x','s','v')? ? colors=('red','blue','lightgreen','gray','cyan')把老師寫的marker元組改成markers就可以了。
最新回答 / Wendy_one
原理是△wj的公式（不方便打）中y(i)-φ （z(i)）是errors ,根據(jù)求和得到errors.sum()。errors.sum()中的每一個值再與self.eta（學(xué)習(xí)率）想相乘，也就是△w(w:=w+△w)，而self.w_[0]就是w.也就是對△wj公式和w:=w+△w公式的一個推導(dǎo)。
2017-05-25
最新回答 / qq_破曉_36
self沒有定義，你少抄了? ? def __init__(self, eta=0.01, n_iter=10):? ? ? ? self.eta = eta? ? ? ? self.n_iter = n_iter
2017-05-24
最贊回答 / 小丸子只有肉沒有櫻桃
<...code...>
最贊回答 / Jessica1221
C1代表數(shù)據(jù)的類別，即+1或者-1。x的含義是導(dǎo)入數(shù)據(jù)X中標(biāo)號為c1的數(shù)據(jù)的第一列y的含義是導(dǎo)入數(shù)據(jù)X中標(biāo)號為c1的數(shù)據(jù)的第二列
最贊回答 / 只是瘋狂只是野
找到了，把下面的數(shù)據(jù)放到一個txt文件中，再把后綴改為.csv就能用了5.1,3.5,1.4,0.2,Iris-setosa4.9,3.0,1.4,0.2,Iris-setosa4.7,3.2,1.3,0.2,Iris-setosa4.6,3.1,1.5,0.2,Iris-setosa5.0,3.6,1.4,0.2,Iris-setosa5.4,3.9,1.7,0.4,Iris-setosa4.6,3.4,1.4,0.3,Iris-setosa5.0,3.4,1.5,0.2,Iris-setosa4.4,...
2017-05-21
最贊回答 / 只是瘋狂只是野
anaconda 和Python的區(qū)別在于，anaconda集成了絕大部分Python處理數(shù)據(jù)所要用到的包，而不需要你再去手動安裝。而且anaconda的安裝是傻瓜式的，會自動配置好環(huán)境變量，不需要你操心。安裝好anaconda后，打開命令行，直接輸入jupyter notebook 回車，稍等片刻，瀏覽器會自動彈出來一個界面，然后按照視頻里面的操作就可以了。
2017-05-17
最新回答 / 柯基弟弟
cost這個變量，記錄的是每一輪迭代中代價函數(shù)的值，而本案例中使用的是方差總和來衡量代價總量。具體見代碼：<...code...>反向傳播調(diào)整權(quán)重的目的，是為了讓代價函數(shù)的值最小。案例中體現(xiàn)在隨著訓(xùn)練次數(shù)的增加，從第1次到第50次，總代價的快速下降。
2017-05-16
已采納回答 / Deaths_eyes
在上一節(jié)的開頭能看到用csv文件的數(shù)據(jù)進(jìn)行訓(xùn)練的代碼的