一个与或非感知机

Python实现感知机与可视化

最新推荐文章于 2025-11-26 15:40:52 发布

原创

最新推荐文章于 2025-11-26 15:40:52 发布 · 343 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#python #机器学习

该博客分享了一个使用Python实现的感知机类，适用于AND、OR、NOT操作。代码中包含了权重和偏置的初始化、激活函数、训练过程、错误曲线绘制等功能，并提供了高斯正态分布数据生成的示例。通过可视化展示决策边界和训练过程，便于理解感知机的工作原理。

分享个python实例，自己写的一个感知机，仅供学习，自行调整参数，修改代码！

效果图：
在这里插入图片描述

代码分享：

import numpy as np
import matplotlib.pyplot as plt

class Perceptron(object):
    """
    根据课上所学，实现了一个感知机，包括AND, OR, NOT, 可以使用正态分布的样本数据
    感知机原理可参考：https://zhuanlan.zhihu.com/p/29836398  https://zhuanlan.zhihu.com/p/42438035
    https://blog.youkuaiyun.com/u012759262/article/details/101943109
    """

    def __init__(self, kind='AND'):
        self.weights = np.array([0.2, 0.4], ndmin=2)  # 初始化权重，为图方便硬编码了
        self.bias = 0.1  # 初始化偏置，为图方便硬编码了
        self.inputs = np.array([[0, 0], [0, 1], [1, 0], [1, 1]])  # (m,2)矩阵 m:=dataSize，每个样本数据为二维，即2个特征,(f1, f2)
        if kind.upper() == 'AND':
            self.labels = np.array([[-1], [-1], [-1], [1]])  # AND  (m,1)矩阵
        elif kind.upper() == 'OR':
            self.labels = np.array([[-1], [1], [1], [1]])  # OR
        elif kind.upper() == 'NOT':
            # NOT, w2 cannot be zero, let w1 be zero, so have to make labels like this
            self.labels = np.array([[-1], [1], [-1], [1]])
        else:  # default is AND perceptron
            self.labels = np.array([[-1], [-1], [-1], [1]])  # AND  (m,1)矩阵
        self.dataSize = self.labels.size
        self.misclassifiedSet = np.array(np.zeros((self.dataSize, 1), dtype=int))  # 错分集标识初始化，(m,1)矩阵
        self.learningRate = 0.1  # adjust this when necessary
        self.errors = np.array([])  # errors in each iteration
        self.fig, self.axes = plt.subplots(1, 2)  # for plotting diagram
        self.</

最低0.47元/天解锁文章