sklearn 感知器无法对 NAND 函数进行分类-解网

问：

我是机器学习的新手。我正在实现一个感知器，以查看哪些逻辑门功能是线性可分离的。对于NAND门，我得到了意想不到的结果。对于输入 X 和输出 y，模型给出的分数为 0.5，y 预测为 [1,0,0,0] 而不是 [1,1,1,0]。谁能帮我解决我的模型有什么问题

import numpy as np
from sklearn.linear_model import Perceptron

clf = Perceptron(max_iter=100, random_state=0)

X= np.array([[0,0],[0,1],[1,0],[1,1]])
y = np.array([1,1,1,0])
clf.fit(X, y)
score= clf.score(X, y)
print(score)
a=clf.predict(X)
print(a)

我得到了代码的这个输出

0.5
[1 0 0 0]

我尝试从模型的权重和偏差中计算 z（净输入），如下所示：

w = clf.coef_ ;b = clf.intercept_
z= np.dot(X,w.T) +b
print(z.T)

这给了我以下结果：

[[ 2.  0.  0. -2.]]

python 机器学习 scikit-learn 感知器

关于你关于矩阵运算的第二点 - 感知器在最后有一个阶跃函数，将负数映射到 0，将正数映射到 1。执行矩阵运算后，通过步进函数（ helps），您应该会得到与感知器相同的分类输出：。np.wheremanual_predict = np.where(X @ w.T + b < 0, 0, 1)

尝试和 .请注意，我在和中都添加了 a。这为它提供了更多的训练示例（在这种情况下是两倍）。我得到了 100% 的准确性。只需设置允许的最大迭代次数（而不是实际迭代次数）。X= np.array([[0,0],[0,1],[1,0],[1,1]] * 2)y = np.array([1,1,1,0] * 2)*2Xymax_iter

0赞 deepLDoc 8/19/2023

我尝试使用 X= np.array（[[0,0]，[0,1]，[1,0]，[1,1]] * 2）和 y = np.array（[1,1,1,0] * 2）。我得到 score=1。但是 clf.predict（X）给出 [1 1 1 0 1 1 1 0]。问题没有改变吗？因为输出数组大小不同（4 vs 8 ）

0赞 some3128 8/19/2023

重复输入列表 - 输入现在是 8。这就是为什么输出是 8。输出在我看来是正确的。对于的 NAND，是正确的。*21 1 1 0 1 1 1 000 01 10 11 00 01 10 11

上一个：加速 pytorch 代码的困难：使用复杂的多对一非线性函数训练 MLP

下一个：我需要 20x20 图像形式的 ai（感知器）数据，手动创建它会变慢。我如何训练它？

sklearn 感知器无法对 NAND 函数进行分类

sklearn Perceptron not able to classify NAND function

评论

评论