Numpyでパーセプトロン

前置き

みなさん、Python をなんとなく触っていませんか？ 僕はとりあえずネットに載っているコードを買いとけば動くからいいや、としていたのでこれを機にしっかり学びます。今回は__init__()編です。

パーセプトロンクラス

import numpy as np

class Perceptron(object):
    """パーセプトロンの分類器
    
    eta : 学習率(0.0より大きく1.0以下)
    n_iter : 訓練データの訓練回数
    random_state : 重みを初期化するための乱数シード
    w_ : 適用後の重み
    errors_ : 各エポックでの誤分類(更新)の数
    """
    def __init__(self, eta=0.01, n_iter=50, random_state=1):
        self.eta = eta
        self.n_iter = n_iter
        self.random_state = random_state
    
    def fit(self, X, y):
        """
        X : 訓練データ, shape = [n_examples, n_features]
        n_exampleは訓練データの個数、n_featuresは特徴量の個数
        y : 目的変数
        self : object
        """
        rgen = np.random.RandomState(self.random_state)
        self.w_ = rgen.normal(loc=0.0, scale=0.01, size=1 + X.shape[1]) # w_を特徴量の数 + 1(バイアス)に初期化
        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):
        return np.dot(X, self.w_[1:]) + self.w_[0] #w_0x_0+w_1x_1+...を計算
    
    def predict(self, X):
        return np.where(self.net_input(X) >= 0.0, 1, -1) #self.net_input(X) >= 0.0なら1,それ以外なら-1を出力

良くわからなかった点

• クラスの引数の仕様
• numpy.random.RandosStateの仕様
• for文で行なっていること
  • zipって何?