感知器算法在计算机视觉深度学习中的Python实现

我正在研究阿德里安·罗斯布鲁克的书。我想知道为什么scikit learn中的结果与本书中实现的结果有很大不同。请检查scikit学习中的代码

：

感知器是另一种简单的分类算法，适用于 大规模学习。默认情况下：

• 它不需要学习率

• 它没有被正规化（处罚）

• 它只在出现错误时更新其模型

最后一个特征意味着感知器稍微快一点 要训练比SGD更具铰链损耗的模型，并说明由此产生的模型 我们更稀疏

来自

感知器是一种分类算法，具有相同的特点 SGDClassizer的底层实现。事实上，感知器（）是 相当于SGDClassizer（loss=“perceptron”，eta0=1， 学习\u rate=“常量”，惩罚=无）

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、随机洗牌等），将结果与

sgdclassizer

进行比较