Bonsoir
Je cherche à implémenter le perceptron (type de réseau de neurone) en python
Je précise que je suis le livre "python machine learning"
Je comptai procéder ainsi (j'ai mis le code dans le ficher joint):
* Définir le learning rate:
learning_rate = 0.01
* Définir le nb d'itérations:
nb_iter = 10
Fonction de fit :
pour i = 0 à nb_iter
errors = 0
Pour x allant de X1 à Xn (X1 - Xn = variables explicatives)
update = learning_rate * (y_attendu - y_estimé)
poids[1 ... n] += update * xi /** mettre à jour tous les poids sauf le premier **/
poids(0) += update /** mettre à jour le 1er des poids **/
errors = somme des différences entre y_attendu et y_estimé
fin Pour
fin Pour
Le résultat net serait = produit des valeurs w[1:] hors la première + la première des valeurs
Je vois le principe, ce que je ne comprends pas dans cette implémentation c'est:
- C'est une régression, systématiquement (non) ?
- Comment ça converge exactement ?
Merci de toutes les (bonnes) réponses
Cordialement
Partager