python 实现 Peceptron Learning Algorithm ( 一) 几个函数的记录

【[b]numpy.random.normal( )】[/b]
                            


对应于numpy中numpy.random.normal(loc=0.0, scale=1.0, size=None)参数的意义为：

loc：float
此概率分布的均值（对应着整个分布的中心centre）
scale：float
此概率分布的标准差（对应于分布的宽度，scale越大越矮胖，scale越小，越瘦高）
size：int or tuple of ints
输出的shape，默认为None，只输出一个值

np.random.randn(size)

所谓标准正态分布（μ=0,σ=1μ=0,σ=11 ), 对应于

np.random.normal(loc=0, scale=1, size)

。 【zip() 】参考   http://www.runoob.com/python/python-func-zip.htmlzip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。如果各个迭代器的元素个数不一致，则返回列表长度与最短的对象相同，利用 * 号操作符，可以将元组解压为列表。


【numpy.dot( )】如果参数是一维数组，返回两个数组的点乘，即内积如果参数是二维数组（矩阵），返回矩阵相乘之积。(1)一维数组：


（2）二维数组：（矩阵相乘，第i行依次乘以第i列然后相加)


【numpy.where( )】参考：https://docs.scipy.org/doc/numpy/reference/generated/numpy.where.html"the output array contains elements of x where condition is True, and elements from y elsewhere.If only condition is given, return the tuple 

condition.nonzero()

, the indices where condition is True."
[condition , x , y]    ——>   如果condition为TRUE，返回x对应位置的值；为FALSE，返回y对应位置的值


【numpy.linalg.norm( )】求范数norm(x, ord=None, axis=None, keepdims=False)

默认为求二范数。 order = 2 二范数； order = 1 ，L1范数 ；order = np.inf 无穷范数【ListedColormap（）】参考文章  https://matplotlib.org/api/_as_gen/matplotlib.colors.ListedColormap.html#matplotlib.colors.ListedColormap【meshgrid( )】[X,Y] = meshgrid(x,y) 将向量x和y定义的区域转换成矩阵X和Y,其中矩阵X的行向量是向量x的简单复制，而矩阵Y的列向量是向量y的简单复制。



【ravel( ) 和 flatten( )】将数组平铺展开，ravel（）返回view,对原始数组进行了改变；flatten（）返回copy数组，不影响原始数组参考 http://blog.csdn.net/liuweiyuxiang/article/details/78220080




【plt.contourf( )】 参考 http://blog.csdn.net/quincuntial/article/details/71104405      https://www.cnblogs.com/huanggen/p/7533088.html
contour（X,Y,Z） 需要三维数据，X,Y代表二维坐标，在二维面上生成对应的网格，z代表高度，高度Z相等的颜色相同