Python在计算机视觉深度学习中的Perceptron算法实现

Question

我正在使用禤浩焯Rosebrock的书“用Python实现计算机视觉的深度学习”。我想知道为什么科学知识学习的结果与书中所实现的结果有很大的不同。请检查代码这里。

Answer 1

来自scikit-学习文档

感知器是另一种适用于大规模学习的简单分类算法。默认情况下：

• 它不需要学习速度。
• 它没有被正规化(惩罚)。
• 它只对错误更新其模型。

最后一个特征意味着Perceptron的训练速度略快于带有铰链损耗的SGD，并且所得到的模型比较稀疏。

来自这里

感知器是一种分类算法，它与SGDClassifier共享相同的底层实现。事实上，Perceptron()等同于SGDClassifier(loss="perceptron", eta0=1, learning_rate="constant", penalty=None)

因此，您应该通过指定相同的参数(损失函数、学习速率、正则化、随机状态、混叠等)将结果与SGDClassifier进行比较。