机器学习-实现简单神经网络_技术问答

首页免费课机器学习-实现简单神经网络问答

机器学习-实现简单神经网络

                
                coding迪斯尼
            全栈工程师

                    查看讲师更多课程 
                    coding迪斯尼讲师的其他课程
                
React知识点综合运用实例
高级·18255
免费课程
                                
React响应用户输入
高级·12626
免费课程
                                
React组件
中级·26079
免费课程
                                
Javascript实现二叉树算法
中级·46934
免费课程
                                
                难度初级
            
                时长 1小时54分
            
                学习人数
            
综合评分9.30
                            86人评价
                        查看评价
                                9.6
                                内容实用
                            
                                9.3
                                简洁易懂
                            
                                9.0
                                逻辑清晰

全部评论问答未解决精华

慕少4997962

Traceback (most recent call lastFile "E:/pythoncode/network_easy/.idea/ganzhiqi.py", line 2, in <module> import numpy as np File "E:\pythoncode\network_easy\.idea\numpy\__init__.py", line 131, in <module> raise

0 3-3 数据解析和可视化

2017-08-06

StAR_tan

你在逗我吗？什么时候介绍过这个Anaconda开发环境？

33 3-1 实现感知器对象(上)

2017-08-06

lmikehe

predict和net_input函数要放在fit函数之前

4 3-4 神经网络对数据实现分类(上)

2017-08-05

慕婉清1009831

为什么这么这么卡

0 1-1 课程的开篇词

2017-08-04

关于线性分割的位置

+ 我来回答回答最高可+2积分

2 回答 1103 浏览 3-5 神经网络对数据实现分类(下)

2017-08-03

什么时候讲的anaconda navigator

最赞回答 / Cone_on

今天刚学到这个软件，下载下来，上传到我自己的百度云，然后分享给大家。我现在在用这个，很好用的。链接：http://pan.baidu.com/s/1gf1U2zT 密码：t7aa

2 回答 1567 浏览 3-1 实现感知器对象(上)

2017-08-02

qq_ya_6

14378

0 3-2 实现感知器对象(下)

2017-08-02

唐宗钰

看不懂的可以先看这个入门 :http://www.ruanyifeng.com/blog/2017/07/neural-network.html
这里面的讲法更加通俗易懂，适合入门！

16 2-2 感知器分类算法

2017-07-30

静默_learner

虽然有些小插曲，中间训练数据似乎少了一节，偶尔会有些语法错误，但是对于python初学者来说还是一门不可多得的好的课程，存在问题如果能发现它并解决它，收获还是不小的

1 3-5 神经网络对数据实现分类(下)

2017-07-28

运行视频中的代码有问题

最新回答 / 慕粉3810876

这一节有问题，运行时有错误，解决方法如下：import numpy as npclass Perceptron(object): def __init__(self, eta=0.01, n_iter=10): self.eta=eta self.n_iter=n_iter def fit(self, X, y): self.w_=np.zeros(1+X.shape[1]) self.errors_ = [] for _ ...

2 回答 2047 浏览 3-4 神经网络对数据实现分类(上)

2017-07-27