Курсовая работа «Применение библиотек машинного обучения в интеллектуальном анализе» по дисциплине: «Технологии баз данных»

2. Построение модели персептрона Розенблатта на Python

Реализация персептрона на Python

Персептрон Розенблатта - это простейшая модель персептрона, то есть выходное значение является результатом функции знака после умножения входных данных и соответствующего веса, взятия суммы, добавления смещения и передачи функции знака, а именно: 。
Во время обучения используется контролируемое обучение. Когда выходное значение отличается от истинного значения, соответствующий вес добавляется к произведению входных данных, истинного значения и скорости обучения или может быть описан как Среди них - это входное значение, - истинное значение, - выходное значение, а - скорость обучения.
Реализация нейрона Розенблатта
С помощью математической модели персептрона Розенблатта можно использовать библиотеку numpy.В библиотеке реализована функция персептрона.

• 
  Это означает когда каждый элемент больше 0, возвращается True, И аналогично этому any(), Пока удовлетворяется один элемент, он возвращает True
  
• 
  Здесь следует отметить что == не может быть изменено на is, Иначе произойдет ошибка
  

• 
  Вот .T указывает на перестановку матрицы. Обратите внимание, что перестановка двумерной матрицы является удовлетворительной. Поведение при перестановке одномерной матрицы несколько странно.
  
• 
  это представление функции в 0-м измерении a с участием b матрица
  

Набор данных за два месяца
В этом тесте используется набор данных раз в два месяца, как показано на следующем рисунке:
Набор данных за два месяца
Набор данных представляет собой линейно неразделимый набор данных. Истинное значение месяца в верхней половине месяца равно 1, а истинное значение месяца в нижней половине месяца равно -1. Код создания набора данных выглядит следующим образом


Конструктор определяет информацию за один месяц:

•