单层感知器

最新推荐文章于 2024-04-01 15:31:51 发布

susuxuezhang

最新推荐文章于 2024-04-01 15:31:51 发布

阅读量278

点赞数

分类专栏： network 文章标签： python

network 专栏收录该内容

8 篇文章

订阅专栏

本文通过Python代码展示了如何使用感知机算法进行简单的二分类任务。首先定义了训练数据集及对应的标签，然后通过随机初始化权重向量并不断更新权重来找到能够正确划分数据集的超平面。最终绘制出了决策边界及数据分布图。

import numpy as np
import matplotlib.pyplot as plt
X=np.array([[1,3,3],[1,4,3],[1,1,1]])
Y=np.array([1,1,-1])
W=(np.random.random(3)-0.5)*2
print(W)
lr=0.11
n=0
O=0

def update():
    global X,Y,W,lr,n
    n+=1
    O=np.sign(np.dot(X,W.T))
    W_C=lr*((Y-O.T).dot(X))/int(X.shape[0])
    W=W+W_C 
    for _ in range(100):
    update()
    print(W)
    print(n)
    O=np.sign(np.dot(X,W.T))
    if(O==Y.T).all():
        print('finished')
        print('epoch:',n)
        break
        
x1=[3,4]
y1=[3,3]
x2=[1]
y2=[1]

k=-W[1]/W[2]
d=-W[0]/W[2]
print('k=',k)
print('d=',d)
xdata=np.linspace(0,5)
plt.figure()
plt.plot(xdata,xdata*k+d,'r')
plt.plot(x1,y1,'bo')
plt.plot(x2,y2,'yo')
plt.show()