python - scikit 感知偏差

Question

我正在使用 scikit 类感知器提供的非常基本的线性分类器:

  clf = linear_model.Perceptron(n_iter=12)
  clf.fit(X,Y)

我有一个 X 数组，其中行是实例，列是二进制特征。我的类(class)有一个 Y 数组。我的数据分为三类。我有两个问题:1)感知器算法需要偏置项。 scikit 感知器如何处理偏差？我应该在我的输入 X 数据中添加一个“偏差列”(全部)吗？还是 scikit 感知器函数会自动向具有特征的 X 数组(输入)添加偏差？还是单独处理偏差？2)如何找到我的感知器的训练误差？

Answer 1

1) 偏差会被自动处理。如果您不确定，请尝试使用 2 个版本的数据进行训练......您的原始数据和一个缩放版本(sklearn 中的标准缩放器)。

2)

clf = linear_model.Perceptron(n_iter=12)
clf.fit(X, Y)

training_results = clf.predict(X)
training_error = 1 - metrics.accuracy_score(training_results, Y)  #or pick your metric from metrics module.

如您所见，如果您在使用训练数据进行预测时计算误差，则会给出训练误差。 “测试错误”是指您预测模型尚未“看到”的数据。我从 1 中减去，因为准确度给出了成功匹配的百分比(成功的衡量标准)，而训练错误是错误的衡量标准。错误有很多种……准确性只是其中一种。