python实现自适应线性感知器算法

在之前的文章中有介绍过感知器，自适应线性神经网络(Adaptive Linear Neuron,Adaline)是在Frank Rosenblatt提取感知器算法之后的几年，Bernard Widrow和Tedd Hoff提出的Adaline算法，它是对感知器算法的改进。它的核心思想是通过对代价函数做最小优化，这也是机器学习算法的核心思想，以及之后的逻辑斯蒂回归、支持向量机等都采用了这种思想。Adeline算法更新权重的规则是通过一个联系的线性激励函数来完成的，而之前的感知器算法是通过单位阶跃函数（在0处不连续），这是两种算法最主要的区别。线性激励函数在更新权重的同时，我们使用量化器对类标进行预测，这里所使用的量化器其实也是一个单位阶跃函数，量化器的使用是在训练好模型之后，通过量化器来预测类标。

<