Algılayıcının her bir yinelemede çıktıyı öngörme şekli şu denklemi takip etmektir:
yj=f[wTx]=f[w⃗ ⋅x⃗ ]=f[w0+w1x1+w2x2+...+wnxn]
Söylediğiniz gibi, kilonuz önyargı terimini içeriyor . Bu nedenle, nokta üründeki boyutları korumak için girişe eklemeniz gerekir .w⃗ w01
Genellikle ağırlıklar için bir sütun vektörü, yani vektörü ile başlarsınız . Tanım olarak, nokta ürün, ağırlık vektörü elde etmek için bu vektörü transpoze etmenizi ve bu nokta ürününü tamamlamak için giriş vektörüne ihtiyacınız olduğunu gerektirir . Bu nedenle yukarıdaki denklemde matris notasyonu ve vektör notasyonu arasındaki değişimi vurguladı, böylece notasyonun size doğru boyutları nasıl önerdiğini görebilirsiniz.n×11×nn×1
Unutmayın, bu egzersiz setinde bulunan her bir giriş için yapılır. Bundan sonra, tahmin edilen çıktı ile gerçek çıktı arasındaki hatayı düzeltmek için ağırlık vektörünü güncelleyin.
Karar sınırına gelince, burada bulduğum scikit öğrenme kodunda bir değişiklik var :
import numpy as np
from sklearn.linear_model import Perceptron
import matplotlib.pyplot as plt
X = np.array([[2,1],[3,4],[4,2],[3,1]])
Y = np.array([0,0,1,1])
h = .02 # step size in the mesh
# we create an instance of SVM and fit our data. We do not scale our
# data since we want to plot the support vectors
clf = Perceptron(n_iter=100).fit(X, Y)
# create a mesh to plot in
x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1
y_min, y_max = X[:, 1].min() - 1, X[:, 1].max() + 1
xx, yy = np.meshgrid(np.arange(x_min, x_max, h),
np.arange(y_min, y_max, h))
# Plot the decision boundary. For that, we will assign a color to each
# point in the mesh [x_min, m_max]x[y_min, y_max].
fig, ax = plt.subplots()
Z = clf.predict(np.c_[xx.ravel(), yy.ravel()])
# Put the result into a color plot
Z = Z.reshape(xx.shape)
ax.contourf(xx, yy, Z, cmap=plt.cm.Paired)
ax.axis('off')
# Plot also the training points
ax.scatter(X[:, 0], X[:, 1], c=Y, cmap=plt.cm.Paired)
ax.set_title('Perceptron')
Aşağıdaki grafiği üretir:
Temel olarak, fikir, her noktayı kapsayan bir kafes içindeki her nokta için bir değer tahmin etmek ve her bir tahmini kullanarak uygun bir renkle çizmektir contourf
.