python - 在感知器学习模型的 Python 实现中将数组传递给 numpy.dot()

Question

我正在尝试组合单层感知器分类器的 Python 实现。我发现 Sebastian Raschka 的“Python 机器学习”一书中的示例非常有用，但我对他的实现的一小部分有疑问。这是代码:

import numpy as np    
class Perceptron(object):
    """Perceptron classifier.

    Parameters
    ------------
    eta : float
        Learning rate (between 0.0 and 1.0)
    n_iter : int
        Passes over the training dataset.

    Attributes
    -----------
    w_ : 1d-array
        Weights after fitting.
    errors_ : list
        Number of misclassifications in every epoch.

    """
    def __init__(self, eta=0.01, n_iter=10):
        self.eta = eta
        self.n_iter = n_iter

    def fit(self, X, y):
        """Fit training data.

        Parameters
        ----------
        X : {array-like}, shape = [n_samples, n_features]
            Training vectors, where n_samples 
            is the number of samples and
            n_features is the number of features.
        y : array-like, shape = [n_samples]
            Target values.

        Returns
        -------
        self : object

        """
        self.w_ = np.zeros(1 + X.shape[1])
        self.errors_ = []

        for _ in range(self.n_iter):
            errors = 0
            for xi, target in zip(X, y):
                update = self.eta * (target - self.predict(xi))
                self.w_[1:] += update * xi
                self.w_[0] += update
                errors += int(update != 0.0)
            self.errors_.append(errors)
        return self

    def net_input(self, X):
        """Calculate net input"""
        return np.dot(X, self.w_[1:]) + self.w_[0]

    def predict(self, X):
        """Return class label after unit step"""
        return np.where(self.net_input(X) >= 0.0, 1, -1)

我无法理解的部分是为什么我们定义 net_input() 和 predict() 来获取数组 X而不仅仅是一个向量。一切正常，因为我们只是将向量 xi 传递给 fit() 函数中的 predict()(因此也只有将向量传递给 net_input())，但是定义函数以获取数组的背后逻辑是什么？如果我对模型的理解正确，我们一次只取一个样本，计算权重向量和与样本相​​关的特征向量的点积，我们永远不需要将整个数组传递给 net_input() 或 predict()。

Answer 1

您担心的似乎是为什么 net_input 和 predict 中的 X 被定义为数组而不是向量(我假设您的定义是我在上面的评论中提到的——实际上，尽管我会说两者之间没有区别this context)... 是什么让你觉得 X 是一个“数组”而不是一个“向量”？

此处的类型取决于您传递给函数的内容，因此如果您向它传递一个向量，则 X 就是一个向量(Python 使用所谓的鸭子类型)。所以要回答这个问题，“为什么 net_input 和 predict 被定义为采用数组而不是向量？”......它们不是，它们只是被定义为采用参数 X，这是你传递给它的任何类型。 .

也许您对他在拟合上下文中将变量名称 X 重用为训练数据的二维数组，但在其他函数中重用为单个样本感到困惑……它们可能共享一个名称，但彼此不同, 属于不同的范围。