使用 Python 实现计算机视觉深度学习中的感知器算法

Question

我正在使用Adrian Rosebrock所著的《使用 Python 进行计算机视觉深度学习》一书。我想知道为什么 scikit-learn 中的结果与书中实现的结果有很大不同。请在此处检查代码。

Answer 1

来自 scikit-learn文档：

Perceptron 是另一种适用于大规模学习的简单分类算法。默认：

• 它不需要学习率。

• 它没有被规范化（惩罚）。

• 它仅根据错误更新其模型。

最后一个特征意味着感知器的训练速度略快于带有铰链损失的 SGD，并且生成的模型更稀疏。

从这里开始

Perceptron 是一种分类算法，它与 SGDClassifier 共享相同的底层实现。实际上，Perceptron() 等价于SGDClassifier(loss="perceptron", eta0=1,  learning_rate="constant", penalty=None)

所以你应该通过指定相同的参数来比较结果SGDClassifier——损失函数、学习率、正则化、随机状态、随机播放等。