# -*- coding: utf-8 -*- ''' Created on 2018年1月12日 @author: Jason.F @summary: Scikit-Learn庫感知器學(xué)習(xí)算法 '''from sklearn import datasets import numpy as np from sklearn.cross_validation import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.linear_model import Perceptron from sklearn.metrics import accuracy_score from matplotlib.colors import ListedColormap import matplotlib.pyplot as plt #數(shù)據(jù)導(dǎo)入 iris=datasets.load_iris() X=iris.data[:,[2,3]] y=iris.target print (np.unique(y)) #訓(xùn)練集和測試集劃分 X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.3,random_state=0) #標(biāo)準(zhǔn)化 sc=StandardScaler() sc.fit(X_train)#計(jì)算樣本的均值和標(biāo)準(zhǔn)差 X_train_std=sc.transform(X_train) X_test_std=sc.transform(X_test) #感知器分類 ppn=Perceptron(n_iter=40,eta0=0.1,random_state=0)#迭代次數(shù)、學(xué)習(xí)速率、重排訓(xùn)練集 ppn.fit(X_train_std,y_train) #模型預(yù)測 y_pred=ppn.predict(X_test_std) print ('Accuracy:%.2f' %accuracy_score(y_test,y_pred))#準(zhǔn)確率 #繪制決策邊界 def plot_decision_regions(X,y,classifier,test_idx=None,resolution=0.02):# 設(shè)置標(biāo)記點(diǎn)和顏色markers = ('s','x','o','^','v')colors = ('red', 'blue', 'lightgreen', 'gray', 'cyan')cmap = ListedColormap(colors[:len(np.unique(y))])# 繪制決策面x1_min, x1_max = X[:, 0].min() - 1, X[:, 0].max() + 1x2_min, x2_max = X[:, 1].min() - 1, X[:, 1].max() + 1xx1, xx2 = np.meshgrid(np.arange(x1_min, x1_max, resolution),np.arange(x2_min, x2_max, resolution))Z = classifier.predict(np.array([xx1.ravel(), xx2.ravel()]).T)Z = Z.reshape(xx1.shape)plt.contourf(xx1, xx2, Z, alpha=0.4, cmap=cmap)plt.xlim(xx1.min(), xx1.max())plt.ylim(xx2.min(), xx2.max())#繪制所有樣本X_test,y_test=X[test_idx,:],y[test_idx]for idx,cl in enumerate(np.unique(y)):plt.scatter(x=X[y==cl,0],y=X[y==cl,1],alpha=0.8,c=cmap(idx),marker=markers[idx],label=cl)#高亮預(yù)測樣本if test_idx:X_test,y_test =X[test_idx,:],y[test_idx]plt.scatter(X_test[:,0],X_test[:,1],c='',alpha=1.0,linewidths=1,marker='o',s=55,label='test set') X_combined_std=np.vstack((X_train_std,X_test_std)) y_combined=np.hstack((y_train,y_test)) plot_decision_regions(X=X_combined_std, y=y_combined, classifier=ppn, test_idx=range(105,150)) plt.xlabel('petal length[standardized]') plt.ylabel('petal width[standardized]') plt.legend(loc='upper left') plt.show()

結(jié)果：

[0 1 2] Accuracy:0.91

《新程序員》：云原生和全面數(shù)字化實(shí)踐50位技術(shù)專家共同創(chuàng)作，文字、視頻、音頻交互閱讀

總結(jié)

以上是生活随笔為你收集整理的【Python-ML】SKlearn库感知器(perceptron) 使用的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。