python - scikit感知器偏差

我使用的是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，其中的行是实例，列是二进制特性。我的课上有一个Y数组。我的数据有三个类。
我有两个问题：
1）感知器算法需要一个偏差项。scikit感知器是如何处理偏差的？我应该在我的输入X数据中添加一个“bias列”（所有列）吗？或者，scikit感知器功能会自动为具有特征的X阵列（输入）添加偏差吗？还是分别处理偏差？
2）如何找到我的感知器的训练错误？

最佳答案

1）偏差将自动处理。如果你不确定，试着用两个版本的数据进行训练…你的原始数据和一个缩放版本（sklearn中的标准缩放器）。
2个）

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，如果您在使用您培训过的数据进行预测时计算错误，则会产生培训错误。”“测试错误”是指您对模型尚未“看到”的数据进行预测。
我从1中减去，因为准确性给出了成功比赛的百分比（衡量成功的标准），而训练错误是衡量错误的标准。有很多类型的误差…精度只是一种。

关于python - scikit感知器偏差，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/26368480/