如何在scikit-learn的感知器中实现"And"功能

Question

我是机器学习和scikit-learn的新手。我试图在scikit-learn中实现"one_answers"功能，并写了一个小代码：

import pandas as pd
from pandas import Series,DataFrame
import numpy as np
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split
df = DataFrame([[0,0,0],[0,1,0],[1,0,0],[1,1,1]],columns=list('abc'))
X = df[['a','b']]
y=df['c']
scalar_model = StandardScaler()
train_test_split =X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=0)
scalar_model = StandardScaler()
scalar_model.fit(X_train)
X_train_std = scalar_model.transform(X_train)
X_test_std = scalar_model.transform(X_test)
from sklearn.linear_model import Perceptron
#perceptron initialization
ppn = Perceptron(n_iter = 100,eta0=0.1,random_state=0)
#fit the model with standardized data
ppn.fit(X_train_std,y_train)
#make predications
y_pred = ppn.predict(X_test_std)
from sklearn.metrics import accuracy_score
accuracy = accuracy_score(y_test, y_pred) * 100
error = (1-accuracy_score(y_test, y_pred))*100

print("Accuracy: {} %".format(accuracy))
print("error: {} %".format(error))

运行代码后，我将获得以下结果：

  Accuracy: 0.0 %
    error: 100.0 %

这是我的问题：

1. 为什么感知器在100次迭代后不训练。
2. 我已经从手册中读到，如果没有将权重分配给它们自动分配的功能。
3. 如果我想将权重分配给在0和1的范围内随机的功能。

Answer 1

通过将您已经很小的数据集分解 - 您不会给Perceptron提供正确学习的机会。除此之外，在这种情况下，扩展输入数据集没有任何意义。

演示：

In [257]: ppn.fit(X,y)
Out[257]:
Perceptron(alpha=0.0001, class_weight=None, eta0=0.1, fit_intercept=True,
      max_iter=None, n_iter=100, n_jobs=1, penalty=None, random_state=0,
      shuffle=True, tol=None, verbose=0, warm_start=False)
In [258]: ppn.predict([[1,1], [0,1]])
Out[258]: array([1, 0], dtype=int64)