我正在与阿德里安·罗斯布鲁克（Adrian Rosebrock）合着的Deep Learning for Computer Vision with Python书。我想知道为什么scikit-learn中的结果与本书中实现的结果显着不同。请检查代码here.
最佳答案
从scikit-learn documentation中：
Perceptron是适用于
大规模学习。默认情况下：
它不需要学习率。
它不是正规化的（惩罚的）。
它仅在错误时更新其模型。
最后一个特征意味着感知器要快一些
用SGD进行铰链损失训练，得到的模型
稀疏。
从here
Perceptron是具有相同特征的分类算法
SGDClassifier的基础实现。实际上，Perceptron（）是
等同于SGDClassifier(loss="perceptron", eta0=1, learning_rate="constant", penalty=None)
因此，您应该通过指定相同的参数（损失函数，学习率，正则化，随机状态，随机播放等）将结果与SGDClassifier进行比较。
关于python - 使用Python在计算机视觉深度学习中Perceptron算法的实现，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/59980596/