>>> ppn = Perceptron(eta=0.1, n_iter=10)
>>> ppn.fit(X, y)
>>> plt.plot(range(1, len(ppn.errors_) + 1),
... ppn.errors_, marker='o')
>>> plt.xlabel('Epochs')
>>> plt.ylabel('Number of updates')
>>> plt.show()
샘플을 잘못 분류할 때마다 퍼셉트론의 가중치와 절편이 업데이트되기 때문에 잘못 분류된 오차의 개수와 업데이트 횟수가 같습니다.이 코드를 실행하면 그림 2-7과 같이 에포크 대비 잘못 분류된 오차를 그래프로 보여 줍니다.
▲ 그림 2-7 에포크 대비 잘못 분류된 오차의 그래프