標籤: 台東名產

文章導讀

青椒這種蔬菜在生活中食用量是非常大的，每一個家庭對於青椒的做法都是不同的，有一些人出現炒青椒，有一些人喜歡腌制青椒，所以對於青椒的做法我們可以多學習幾種。涼拌青椒是腌制青椒的做法，首先我們需要將青椒去籽，然後將青椒進行焯水處理，在將青椒放在精鹽中腌制半個小時，最後加上香油醬油攪拌就可以了。

所需食材

做法一

主料：青椒300克

調料：鹽3克,味精2克,香油2克,醬油15克

做法二

青椒2個，紅辣椒2根，鹽2匙，砂糖1小匙，米酒1/2匙，姜2片，白醋1小匙，香油1小匙。

製作方法

做法一

1、將青椒去蒂、籽，洗凈切成不規則的塊;

2、青椒放入開水鍋中焯透，撈出瀝干水備用;

3、把瀝干水的青椒在碗中用精鹽腌制30分鐘左右;

4、倒掉腌出的水，加入醬油、味精、香油，拌勻即可食用。

做法二

1、把紅辣椒洗凈，切絲;姜洗凈，切末。

2、將青椒洗凈去籽，切塊。

3、加入清水1500毫升於鍋內煮沸，放入青椒氽燙后撈起，泡冷開水待涼。

4、把青椒瀝干放入容器內，加入辣椒絲、薑末、鹽、砂糖、米酒、白醋、香油，拌勻后即可。

食用須知

辣椒也不可多吃，否則會出現口乾、咽痛、大便不暢等癥狀。

網站內容來源https://www.cndzys.com/yinshi/網站內容來源https://www.cndzys.com/yinshi/
【其他文章推薦】

※信用卡的機場接送服務好嗎?

※台北桃園機場接送，網友超推，CP值超高，安全，寬敞又舒適

※想知道台東名產人氣商品是什麼?想知道更多台東知名伴手禮有哪些?

※評選台東伴手禮推薦商品「釋迦 」是台東必買伴手禮之一

※離島好好玩!小琉球必吃美食、必玩景點、最優惠的小琉球民宿套裝行程詳細攻略!

※濃郁的奶香牛軋糖-最好吃的伴手禮,送禮要送進心崁裡!

※找尋專業廣告設計,價格公道大圖輸出,背板品質佳

文章導讀

睾丸是可以食用的，我們在平時殺雞殺豬的時候，動物的睾丸是比較大，而且睾丸的主要成分是蛋白質，我們是可以食用的，不會影響到身體的健康，而且動物睾丸含有很多的性激素，是可以促進身體的發育的，但是不宜吃太多的，會導致寶寶出現性早熟以及影響到寶寶的身高。

1 寶寶能吃雞睾丸嗎

寶寶不能吃雞睾丸。 寶寶吃雞睾丸不利於正常的發育，因為雞睾丸中含有微量的性激素成分，而寶寶早期的生長發育依賴於生長激素的分泌，如果此時長期攝入含有性激素的食物，容易擾亂生長激素的分泌，不利於寶寶的正常長高、發育。

另外，公雞睾丸中的脂肪含量比較高，寶寶吃多了容易發胖，而發胖也會影響生長激素的分泌，繼而孩子的身高。

2 雞的睾丸可以吃嗎

雞睾丸是可以食用的。 雞睾丸中的主要成分是蛋白質、氨基酸、脂肪以及少量的微量元素，無毒，一般情況是可以食用的，能夠補充營養物質，美容養顏。 而且民間認為“吃什麼補什麼”，吃雞睾丸還有補腎益精、助陽的功效。一般雞睾丸在養雞場或者殺雞的地方都有出售。

3 孕婦可以吃雞睾丸

孕婦不建議吃雞睾丸。 首先孕婦吃雞睾丸並沒有特殊的功效，只是補充一些蛋白質、脂肪等，而且孕婦在孕期的孕激素和雌激素水平會升高，用以維持胎兒的正常發育。 而雞睾丸中含有少量的雄激素成分，容易擾亂孕婦的正常激素分泌，因此孕婦要盡量少吃或則會不吃雞睾丸。

4 雞的睾丸的副作用

1、引起肥胖 吃公雞睾丸不能過量，因為雞睾丸中的脂肪含量較高，吃多了容易引起發胖、膽固醇增升高，反而不利於健康，一般建議每次吃雞睾丸不要超過100克。

2、誘發痛風 患有痛風的人群如果吃了雞睾丸，由於雞睾丸中的蛋白質含量也比較高，因此嘌呤含量高，因此很容易誘發痛風。

3、引起上火 公雞睾丸性溫，且滋補，因此體質偏熱性、上火、便秘、痤瘡、發燒人群不宜食用，以免加重上火癥狀。

網站內容來源https://www.cndzys.com/yinshi/網站內容來源https://www.cndzys.com/yinshi/

【其他文章推薦】

※專車接送服務省時省力還可以預約喔！

※台東名產,台東美食吃透透,網購票選人氣NO.1商品,快速滿足您的味蕾!

※待嫁娘分享桃園婚紗工作室推薦精選攝影作品

※過年送禮好選擇【牛軋糖】,連外國人都驚豔

※桃園機場接送24小時待命,專業推薦!

林允引領2019時尚潮流 來關注下

林允再次引領時尚潮流，單說身穿的拼色系條紋衫，是簡單的了一些，氣質度上可以說是那種剛好的感覺，哪裡的look稍微的臃腫一點，就是上半身當中採用的白色

橫條紋，如果說想要穿條紋的設計，可以多穿一些豎條紋，豎條紋要比橫條紋更好穿了一些，白色系的條紋衫上衣可以搭配的就是小腳牛仔褲

對，橫條紋的搭配駕馭者需要的是很好的身材，首先臀部還有腿部的線條都要極好的那種才可以穿出即視感，氣質感和實用度從白色系開始凹

白色系的上衣直接搭配的就是豎條紋設計就行，所以，在2019年的時候，條紋衫成為大家借鑒的對象，想要顯瘦的話，本君還是覺得可以多來上一些豎條紋才顯瘦一些

實用度的話，林允此次的范兒極強，白色的翻領衫搭配的則是相互呼應，就是小白鞋，要些許的對比，就可以輕鬆出街區玩耍了，時尚變的如此簡單！

本站聲明:網站內容來源於江西熱線http://www.online.jx.cn,如有侵權請聯繫我們,我們將及時處理

【其他文章推薦】

※專車接送服務省時省力還可以預約喔！

※台東名產,台東美食吃透透,網購票選人氣NO.1商品,快速滿足您的味蕾!

※待嫁娘分享桃園婚紗工作室推薦精選攝影作品

※過年送禮好選擇【牛軋糖】,連外國人都驚豔

※桃園機場接送24小時待命,專業推薦!

文章導讀

對於正在減肥的人來說平時的飲食是非常重要的，飲食方面盡量不要吃一些熱量太高的食物，盡量多吃新鮮的水果和蔬菜，比如說晚餐可以吃一些涼拌蔬菜，在輔助減肥方面有很好的作用，蔬菜裏面的熱量是非常低的，同時它還能補充人體的維生素和礦物質，是非常好的一個減肥的方法，我們來看一下這方面的內容。

涼拌蔬菜減肥

吃涼拌菜可以起到一定的減肥作用，這裏指的是蔬菜。如果說我們在外面就餐的時候，上來有涼菜，涼菜當中有葷菜，如果你大量吃葷菜它照樣會肥胖，因為那些葷菜能量也很高。

但如果說今天中午我們有三個菜，其中有一個拌菜，或者說兩個涼拌的菜，那這樣就可以減少油和脂肪的攝入，可以起到一定的減肥作用，同時有很好的飽腹感。

比如說涼拌蔬菜，有好多種蔬菜在一塊，我們可以直接拿來生吃。西紅柿黃瓜蘿蔔，還有一些紫甘藍、生菜，我們這些可以吃。所以來說，我們適量的吃一些涼拌菜有助於減肥。

吃哪些蔬菜最能刮油減肥

近年來，吃蔬菜的飲食風尚漸為大眾接受。尤其是體形較為豐滿的女性，甚至把吃蔬菜當成了習慣。不可否認，多吃素食、蔬菜水果等富含纖維的食物，的確對減肥有幫助。不過，想達到健康減肥的效果還需了解蔬菜的營養成分，下面幫大家介紹10種可急速減肥的蔬菜：

菠菜

菠菜熱量非常低，每100克菠菜的熱量僅有17大卡，且含有大量的植物粗纖維，能夠促進腸道蠕動，利於排便，絕對是一種任吃不胖的蔬菜。

椰菜

椰菜是一種含熱量較低的蔬菜，其所含的丙醇二酸，能抑制體內的糖類物質向脂肪轉化。而且，椰菜中還含有豐富的膽鹼，膽鹼可以調節脂肪的代謝。因此，椰菜比較適合減肥人士食用。

韭菜

韭菜中含有大量的粗纖維，能促進腸蠕動，有較強的通便作用，可排出腸內過多的營養成分及代謝廢物，從而有利於減肥和清潔腸道。

黑木耳

黑木耳的作用是降低血粘稠度，軟化血管，使血液活動動暢，能預防血管疾病。另外黑木耳還有較強的吸附作用，吸附體內廢物排出體內，具有良好排毒效果。

網站內容來源https://www.cndzys.com/yinshi/網站內容來源https://www.cndzys.com/yinshi/
【其他文章推薦】

※信用卡的機場接送服務好嗎?

※台北桃園機場接送，網友超推，CP值超高，安全，寬敞又舒適

※想知道台東名產人氣商品是什麼?想知道更多台東知名伴手禮有哪些?

※評選台東伴手禮推薦商品「釋迦 」是台東必買伴手禮之一

※離島好好玩!小琉球必吃美食、必玩景點、最優惠的小琉球民宿套裝行程詳細攻略!

※濃郁的奶香牛軋糖-最好吃的伴手禮,送禮要送進心崁裡!

※找尋專業廣告設計,價格公道大圖輸出,背板品質佳

00後學穿搭：衛衣不用只搭配AJ啦！

小夥伴們大家好！不知道小夥伴們有沒有發現，很多小夥伴在學校里都喜歡穿AJ搭配校服，其實已經太普通了，而且還有很多學生喜歡在春天的時候穿衛衣，這沒有錯，但是下面就不要總是搭配AJ了，今年還有很多新出的帆布鞋也很好看呢，現在的00后已經很會穿了，自帶“撩妹”屬性！

今天小歌子要和小夥伴們分享的主題就是：建議大家：“衛衣”下面別總穿AJ，現在00后都這麼會“撩”！

第一件是學生黨最喜歡的假兩件衛衣，學院風十足，領口和袖子都是現在最流行的格子襯衫的樣式，搭配一雙今年的網紅帆布鞋，分分鐘逆襲校草啊！

第二件漸變色的衛衣，笑臉變成了小“哭臉”一臉不高興的模樣，從灰色到黑色的完美漸變，好像水墨畫一般，再穿一雙同等冷色系的帆布鞋，校花看到你都會心動的。

第三件衛衣的顏色搭配就更加特別了，好像那種抽象畫一樣的顏色，雖然顏色不同，但是一點也不繁雜、混亂，反而充滿了學生的朝氣磅礴，不過這個時候就要搭配純色的帆布鞋了。

然後看一下這款民俗風的帆布鞋，上面那款漸變色的衛衣搭配這雙帆布鞋就很好看了，而且不挑校服顏色，直接百搭！

另外這一款高幫的白色帆布鞋，網紅鞋的顏值，運動鞋的舒適程度，搭配衛衣+校服，學校里秒殺校草不是問題哇，現在的00后就是這麼會“撩”，趕緊學起來！

本站聲明:網站內容來源於江西熱線http://www.online.jx.cn,如有侵權請聯繫我們,我們將及時處理

【其他文章推薦】

※信用卡的機場接送服務好嗎?

※台北桃園機場接送，網友超推，CP值超高，安全，寬敞又舒適

※想知道台東名產人氣商品是什麼?想知道更多台東知名伴手禮有哪些?

※評選台東伴手禮推薦商品「釋迦 」是台東必買伴手禮之一

※離島好好玩!小琉球必吃美食、必玩景點、最優惠的小琉球民宿套裝行程詳細攻略!

※濃郁的奶香牛軋糖-最好吃的伴手禮,送禮要送進心崁裡!

※找尋專業廣告設計,價格公道大圖輸出,背板品質佳

胖妹妹的穿搭技巧，四件單品

都說胖子是個潛力股，瘦下來就是美女帥哥。可是！作為一個胖紙，常年不瘦，喝水就胖的胖紙，難道只能等瘦了才能美美噠？當然不是！胖紙也可以美可以帥，看看我們的辣目洋子小姐姐，胖嗎？美嗎？所以說，胖和美一點都不衝突，你胖你丑是因為你不注意自己形象，精緻會穿的小胖紙都是又美又帥的小胖紙! 休閑小胖紙必備單品：襯衣 微胖的女孩子買衣服最主要的訴求就是顯瘦不顯肉！天氣轉暖，大大的棉衣下身，肉肉馬上就要藏不住了，怎麼辦！一款BF風的襯衣完美滿足微胖女孩的所有需求，休閑不顯肉，時尚又顯瘦，質感輕薄，冷熱皆宜。 上班小胖紙必備單品：西裝 既然是工作的場合，當然不能穿得過於休閑自在，一件最基本的正裝還是要有的。微胖的女孩子，身上多餘的脂肪大部分集中在了腰臀的區域，所以選擇西裝時，可以把西裝外套的長度限制在剛剛過胯的位置，西裝的面料需要有一定的挺括。這種款式的西裝，掩蓋我們的不足，高挑顯瘦，沉穩之中透露着俏皮可愛。 甜美小胖紙必備單品：連衣裙 連衣裙是每個女孩子的熱衷單品，基本上一年四季的穿搭中都離不開。對於微胖的女孩子來講，連衣裙是最優秀的藏肉神器！穿上連衣裙，不僅舒適自在，而且高挑顯瘦，並且把女孩子的淑女可愛的氣質展現的淋漓盡致。 鹽系小胖紙必備單品：風衣 酷酷的女孩子都偏愛中性一點的打扮，各種混搭撞色，哪個都不放過。可是，這是對瘦瘦的女孩子而言，對於微胖的女孩，如果真的不在乎自己身材愛怎麼穿怎麼穿，真的會變成車禍現場。中長款的風衣很適合喜歡酷酷風格的微胖女孩，寬大的風衣把自己襯托得嬌小可愛，而風衣自帶的氣場也為女孩加持不少。 小胖紙穿搭TIP ①V領毛衣+半身裙 微胖女孩大部分都忌諱穿高領、圓領的上衣，這種領子除了保暖一無用處，現在天氣回暖，只會讓自己看起來更加粗壯。一般情況下，大V領的寬鬆毛衣更加適合微胖的女孩子，不僅修飾臉型也更顯瘦，搭配收下擺的半身裙，慵懶氣質撲面而來。 ②寬鬆衛衣+半身裙 衛衣作為春季必備單品之一，我們精緻的豬豬女孩自然也不能錯過。選擇不收下擺的寬鬆衛衣搭配深色的半身裙，配上一雙百搭的運動鞋，既青春活力又高挑顯瘦。 ③針織馬甲+連衣裙 連衣裙是盡顯女孩子淑女氣質的王牌單品，針織馬甲有着滿滿的文藝氣息。兩件單品的融合，不僅使整體穿搭更加文藝淑女，而且顯瘦時尚。 ④短上衣+闊腿褲 誰說微胖就不能穿短上衣?短上衣和闊腿褲的搭配，絕對值得每一個微胖女孩子去嘗試。短款上衣的乾淨利索，闊腿褲杠杠的修飾腿型的效果，二者疊穿，絕對是微胖女孩子的福音。 胖沒問題，身體健康就好，但如果你因為自己胖，就不注意形象放任自流，這真的是個很糟糕的問題！生活中，乾淨整潔，學會穿搭技巧，我們胖胖的女孩也可以美麗又可愛。微胖女性的春季必備單品，學會這樣穿，你也可以很美很氣質！親們都Get到了嗎

本站聲明:網站內容來源於江西熱線http://www.online.jx.cn,如有侵權請聯繫我們,我們將及時處理

【其他文章推薦】

※專車接送服務省時省力還可以預約喔！

※台東名產,台東美食吃透透,網購票選人氣NO.1商品,快速滿足您的味蕾!

※待嫁娘分享桃園婚紗工作室推薦精選攝影作品

※過年送禮好選擇【牛軋糖】,連外國人都驚豔

※桃園機場接送24小時待命,專業推薦!

春季鬧衣荒不知道怎麼穿搭？

闊太連衣裙少不了真絲的材質，真絲本身蘊含一種貴氣，棉、麻已不足以表達你的氣質，當你穿出門的時候，也能為你hold住場面。同時非常符合670后女人的氣質，簡約大方的款式設計，優雅又有女人味，輕鬆穿出隨意，搭配起來省事又省心

這件雅緻的旗袍就如一幅淡淡的水墨畫。柔軟的蠶絲熨帖着每一寸皮膚，極簡的配色平添一份閑雲野鶴般的淡然，一個不經意，便於林立的民居間，邂逅了婉約溫柔的江南水鄉風情。藝術氣息濃厚的優雅外表充斥着一種永不過時的時尚感。一字扣的款式經典而懷舊，似乎讓人回到了那個旗袍誕生的年代。精心裁剪的版型不挑身材~

下裝的長度也會影響高矮，所以小個子女生要學會控制下裝的長度比例，設置兩個“警戒線”。一是膝蓋上方，一般裙子盡量控制在這個長度，剛剛露出膝蓋骨，這會在視覺上拉長比例，讓整個看起來更顯高挑。第二條警戒線是腳踝上方，一般穿長褲或是長裙，建議控制到這個位置，露出最纖細的腳踝，不光可以顯腿長，還會有顯瘦的效果哦

本站聲明:網站內容來源於江西熱線http://www.online.jx.cn,如有侵權請聯繫我們,我們將及時處理

【其他文章推薦】

※專車接送服務省時省力還可以預約喔！

※台東名產,台東美食吃透透,網購票選人氣NO.1商品,快速滿足您的味蕾!

※待嫁娘分享桃園婚紗工作室推薦精選攝影作品

※過年送禮好選擇【牛軋糖】,連外國人都驚豔

※桃園機場接送24小時待命,專業推薦!

時尚街拍，展現女性優雅姿態

小姐姐美麗穿搭秀出無法抗拒的美，穿搭很好看，展現出了一種相當愜意瀟洒還帶着幾分很自信的美，看了這位美女的街拍時尚照片后，說心裡話我真的是很喜歡

這位美女時尚又端莊，穿搭很優雅，百搭又不乏時尚感，看了小姐姐的照片后，我不得不佩服她的穿搭風格，

姑娘你的身材為什麼這麼好，穿的衣服時尚新潮，看上去不僅僅個性而且還展現出了一種街頭女神的美，每個人選擇的搭配方式，都會有所不同，但是她卻穿出了經典

這位有着淺淺微笑的美女，穿衣打扮盡顯尊貴，顯得清爽舒適的美感，她的穿搭風格好像是國際范，畢竟人靠衣服才能更漂亮

一個優秀的女人無論在什麼場合下，想必都能夠把握好自己的狀態，因為她們會對自己的一切細節都一絲不苟，她們會讓自己的形象保持在端莊大方的水平。，如果你覺得小編寫得還不錯，還請留言告訴小編哦

本站聲明:網站內容來源於江西熱線http://www.online.jx.cn,如有侵權請聯繫我們,我們將及時處理

【其他文章推薦】

※信用卡的機場接送服務好嗎?

※台北桃園機場接送，網友超推，CP值超高，安全，寬敞又舒適

※想知道台東名產人氣商品是什麼?想知道更多台東知名伴手禮有哪些?

※評選台東伴手禮推薦商品「釋迦 」是台東必買伴手禮之一

※離島好好玩!小琉球必吃美食、必玩景點、最優惠的小琉球民宿套裝行程詳細攻略!

※濃郁的奶香牛軋糖-最好吃的伴手禮,送禮要送進心崁裡!

※找尋專業廣告設計,價格公道大圖輸出,背板品質佳

我們在上篇筆記中介紹了感知機的，討論了感知機的由來、工作原理、求解策略、收斂性。這篇筆記中，我們親自動手寫代碼，使用感知機算法解決實際問題。

先從一個最簡單的問題開始，用感知機算法解決OR邏輯的分類。

import numpy as np
import matplotlib.pyplot as plt

x = [0,0,1,1]
y = [0,1,0,1]

plt.scatter(x[0],y[0], color="red",label="negative")
plt.scatter(x[1:],y[1:], color="green",label="positive")

plt.legend(loc="best")
plt.show()

下面我們來定義一個函數，用來判定一個樣本點是否被正確分類了。由於此例中樣本點是二維的，因此權重向量也相應的為二維，可以定義為\(w = (w_1, w_2)\)，在Python中可以使用列表來表達，例如w = [0, 0]，而樣本到超平面的距離自然就是w[0] * x[0] + w[1] * x[1] +b。下面給出完整的函數。

def decide(data,label,w,b):
    result = w[0] * data[0] + w[1] * data[1] - b
    print("result = ",result)
    if np.sign(result) * label <= 0:
        w[0] += 1 * (label - result) * data[0]
        w[1] += 1 * (label - result) * data[1]
        b += 1 * (label - result)*(-1)
    return w,b

寫完核心函數后，我們還需要寫一個調度函數，這個函數提供遍歷每一個樣本點的功能。

def run(data, label):
    w,b = [0,0],0
    for epoch in range(10):
        for item in zip(data, label):
            dataset,labelset = item[0],item[1]
            w,b = decide(dataset, labelset, w, b)
            print("dataset = ",dataset, ",", "w = ",w,",","b = ",b)
    print(w,b)

data = [(0,0),(0,1),(1,0),(1,1)]
label = [0,1,1,1]

run(data,label)

result =  0
dataset =  (0, 0) , w =  [0, 0] , b =  0
result =  0
dataset =  (0, 1) , w =  [0, 1] , b =  -1
result =  1
dataset =  (1, 0) , w =  [0, 1] , b =  -1
result =  2
dataset =  (1, 1) , w =  [0, 1] , b =  -1
result =  1
dataset =  (0, 0) , w =  [0, 1] , b =  0
result =  1
dataset =  (0, 1) , w =  [0, 1] , b =  0
result =  0
dataset =  (1, 0) , w =  [1, 1] , b =  -1
result =  3
dataset =  (1, 1) , w =  [1, 1] , b =  -1
result =  1
dataset =  (0, 0) , w =  [1, 1] , b =  0
result =  1
dataset =  (0, 1) , w =  [1, 1] , b =  0
result =  1
後面的迭代這裏省略不貼，參數穩定下來，算法已經收斂

下面看一個來自UCI的數據集：PIMA糖尿病數據集，例子來自《機器學習算法視角》第三章

import os
import pylab as pl
import numpy as np
import pandas as pd

os.chdir(r"DataSets\pima-indians-diabetes-database")

pima = np.loadtxt("pima.txt", delimiter=",", skiprows=1)

pima.shape

(768, 9)

indices0 = np.where(pima[:,8]==0)
indices1 = np.where(pima[:,8]==1)

pl.ion()
pl.plot(pima[indices0,0],pima[indices0,1],"go")
pl.plot(pima[indices1,0],pima[indices1,1],"rx")
pl.show()

數據預處理

1.將年齡離散化

pima[np.where(pima[:,7]<=30),7] = 1
pima[np.where((pima[:,7]>30) & (pima[:,7]<=40)),7] = 2
pima[np.where((pima[:,7]>40) & (pima[:,7]<=50)),7] = 3
pima[np.where((pima[:,7]>50) & (pima[:,7]<=60)),7] = 4
pima[np.where(pima[:,7]>60),7] = 5

2.將女性的懷孕次數大於8次的統一用8次代替

pima[np.where(pima[:,0]>8),0] = 8

3.將數據標準化處理

pima[:,:8] = pima[:,:8]-pima[:,:8].mean(axis=0)
pima[:,:8] = pima[:,:8]/pima[:,:8].var(axis=0)

4.切分訓練集和測試集

trainin = pima[::2,:8]
testin = pima[1::2,:8]
traintgt = pima[::2,8:9]
testtgt = pima[1::2,8:9]

定義模型

class Perceptron:
    def __init__(self, inputs, targets):
        # 設置網絡規模
        # 記錄輸入向量的維度，神經元的維度要和它相等
        if np.ndim(inputs) > 1:
            self.nIn = np.shape(inputs)[1]
        else:
            self.nIn = 1
        
        # 記錄目標向量的維度，神經元的個數要和它相等
        if np.ndim(targets) > 1:
            self.nOut = np.shape(targets)[1]
        else:
            self.nOut = 1
        
        # 記錄輸入向量的樣本個數
        self.nData = np.shape(inputs)[0]
        
        # 初始化網絡，這裏加1是為了包含偏置項
        self.weights = np.random.rand(self.nIn + 1, self.nOut) * 0.1 - 0.05
        
    def train(self, inputs, targets, eta, epoch):
        """訓練環節"""
        # 和前面處理偏置項同步地，這裏對輸入樣本加一項-1，與W0相匹配
        inputs = np.concatenate((inputs, -np.ones((self.nData,1))),axis=1)
        
        for n in range(epoch):
            self.activations = self.forward(inputs)
            self.weights -= eta * np.dot(np.transpose(inputs), self.activations - targets)
        return self.weights
    
    def forward(self, inputs):
        """神經網路前向傳播環節"""
        # 計算
        activations = np.dot(inputs, self.weights)
        # 判斷是否激活
        return np.where(activations>0, 1, 0)
    
    def confusion_matrix(self, inputs, targets):
        # 計算混淆矩陣
        inputs = np.concatenate((inputs, -np.ones((self.nData,1))),axis=1)
        outputs = np.dot(inputs, self.weights)
        nClasses = np.shape(targets)[1]
        
        if nClasses == 1:
            nClasses = 2
            outputs = np.where(outputs<0, 1, 0)
        else:
            outputs = np.argmax(outputs, 1)
            targets = np.argmax(targets, 1)
            
        cm = np.zeros((nClasses, nClasses))
        for i in range(nClasses):
            for j in range(nClasses):
                cm[i,j] = np.sum(np.where(outputs==i, 1,0) * np.where(targets==j, 1, 0))
        print(cm)
        print(np.trace(cm)/np.sum(cm))

print("Output after preprocessing of data")
p = Perceptron(trainin,traintgt)
p.train(trainin,traintgt,0.15,10000)
p.confusion_matrix(testin,testtgt)

Output after preprocessing of data
[[ 69.  86.]
 [182.  47.]]
0.3020833333333333

這個案例使用感知機訓練得到的結果比較糟糕，這裏只是作為展示算法的例子。

最後看一個使用感知機算法識別MNIST手寫数字的例子。代碼借鑒了Kaggle上的kernel。

step 1：首先導入所需的包，並且設置好數據所在路徑

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

train = pd.read_csv(r"DataSets\Digit_Recognizer\train.csv", engine="python")
test = pd.read_csv(r"DataSets\Digit_Recognizer\test.csv", engine="python")

print("Training set has {0[0]} rows and {0[1]} columns".format(train.shape))
print("Test set has {0[0]} rows and {0[1]} columns".format(test.shape))

Training set has 42000 rows and 785 columns
Test set has 28000 rows and 784 columns

step 2：數據預處理

1. 創建label，它的size為 (42000, 1)

2. 創建training set，size為(42000, 784)

3. 創建weights，size為（10，784），這可能有點不好理解。我們知道，權重向量是描述神經元的，784是維度，表示一個輸入樣本有784維，相應的與它對接的神經元也要有784維。同時，要記住一個神經元只能輸出一個output，而在数字識別問題中，我們期待的是輸入一個樣本數據，能返回10個数字，然後依概率判斷這個樣本是哪個数字的可能性最大。所以，我們需要10個神經元，這就是(10,784)的來歷。

trainlabels = train.label
trainlabels.shape

(42000,)

traindata = np.asmatrix(train.loc[:,"pixel0":])
traindata.shape

(42000, 784)

weights = np.zeros((10,784))
weights.shape

(10, 784)

這裏可以先看一個樣本，找找感覺。注意原數據是壓縮成了784維的數組，我們需要將它變回28*28的圖片

# 從矩陣中隨便取一行
samplerow = traindata[123:124]
# 重新變成28*28
samplerow = np.reshape(samplerow, (28,28))
plt.imshow(samplerow, cmap="hot")

step 3：訓練

這裏我們對訓練數據集循環若干次，然後重點關注錯誤率曲線

# 先創建一個列表，用來記錄每一輪訓練的錯誤率
errors = []
epoch = 20

for epoch in range(epoch):
    err = 0
    # 對每一個樣本（亦矩陣中的每一行）
    for i, data in enumerate(traindata):
        # 創建一個列表，用來記錄每個神經元輸出的值
        output = []
        # 對每個神經元都做點乘操作，並記錄下輸出值
        for w in weights:
            output.append(np.dot(data, w))
        # 這裏簡單的取輸出值最大者為最有可能的
        guess = np.argmax(output)
        # 實際的值為標籤列表中對應項
        actual = trainlabels[i]
        
        # 如果估計值和實際值不同，則分類錯誤，需要更新權重向量
        if guess != actual:
            weights[guess] = weights[guess] - data
            weights[actual] = weights[actual] + data
            err += 1
    # 計算迭代完42000個樣本之後，錯誤率 = 錯誤次數/樣本個數
    errors.append(err/42000)

x = list(range(20))
plt.plot(x, errors)

[<matplotlib.lines.Line2D at 0x5955c50>]

從圖可以看出，達到15次迭代時，錯誤率已經有上升的趨勢了，開始過擬合了。

感知機是一個非常簡單的算法，以致於很難在真正的場景中使用感知機算法。這裏舉的3個例子，都旨在於動手寫代碼實現這個算法，找找感覺。稍有經驗的讀者想必會好奇：為什麼沒有使用Scikit-Learn這個包，這部分其實是筆者另有計劃，打算結合算法寫Scikit-Learn的源碼解讀筆記。當然，限於個人水平，不一定能解析到精髓，但勉力而為吧。下篇會寫Multi-Layer-Perceptron算法的原理，在那裡我們很容易看到，縱使是簡單的感知機，只要加一個隱層，就能大幅提升其分類能力。另外，也會抽空寫一篇感知機Sklearn源碼解讀的文章。有任何問題，歡迎大家留言討論。

本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理
【其他文章推薦】

※信用卡的機場接送服務好嗎?

※台北桃園機場接送，網友超推，CP值超高，安全，寬敞又舒適

※想知道台東名產人氣商品是什麼?想知道更多台東知名伴手禮有哪些?

※評選台東伴手禮推薦商品「釋迦 」是台東必買伴手禮之一

※離島好好玩!小琉球必吃美食、必玩景點、最優惠的小琉球民宿套裝行程詳細攻略!

※濃郁的奶香牛軋糖-最好吃的伴手禮,送禮要送進心崁裡!

※找尋專業廣告設計,價格公道大圖輸出,背板品質佳