已采纳回答 / Jessica1221
回答楼主第二个问题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')把老师写的marker元组改成markers就可以了。
2017-05-28
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 ,根据求和得到errors.sum()。errors.sum()中的每一个值再与self.eta（学习率）想相乘，也就是△w(w:=w+△w)，而self.w_[0]就是w.也就是对△wj公式和w:=w+△w公式的一个推导。
2017-05-25
最新回答 / qq_破晓_36
self没有定义，你少抄了 def __init__(self, eta=0.01, n_iter=10): self.eta = eta self.n_iter = n_iter
2017-05-24
最赞回答 / 只是疯狂只是野
找到了，把下面的数据放到一个txt文件中，再把后缀改为.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
最赞回答 / 只是疯狂只是野
anaconda 和Python的区别在于，anaconda集成了绝大部分Python处理数据所要用到的包，而不需要你再去手动安装。而且anaconda的安装是傻瓜式的，会自动配置好环境变量，不需要你操心。安装好anaconda后，打开命令行，直接输入jupyter notebook 回车，稍等片刻，浏览器会自动弹出来一个界面，然后按照视频里面的操作就可以了。
2017-05-17
最新回答 / 柯基弟弟
cost这个变量，记录的是每一轮迭代中代价函数的值，而本案例中使用的是方差总和来衡量代价总量。具体见代码：<...code...>反向传播调整权重的目的，是为了让代价函数的值最小。案例中体现在随着训练次数的增加，从第1次到第50次，总代价的快速下降。
2017-05-16
最赞回答 / 只是疯狂只是野
import matplotlib.pyplot as plt #导入图像库plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号试试这个
2017-05-11
