感知机学习算法的简单实现（Python）

算法（原始形式，出自李航博士的统计学习方法）
输入：T={(x1,y1),(x2,y2)…(xN,yN)}（其中xi∈X=Rn，yi∈Y={-1,+1}，i=1,2…N，学习速率为η）
输出：w, b;感知机模型f(x)=sign(w·x+b)
1. 初始化w0,b0
2. 在训练数据集中选取（xi, yi）
3. 如果yi(w xi+b)≤0
w = w + ηyixi
b = b + ηyi
4. 转至2

例题2.1

对于训练数据集，其中正例点是x1=(3,3)T,x2=(4,3)T，负例点为x3=(1,1)T，用感知机学习算法的原始形式求感知机模型f(x)=w·x+b。这里w=(w(1),w(2))T，x=(x(1),x(2))T
简单的Python实现：

import numpy as np
training_set = [[3,3],[4,3],[1,1]]
Y = [1,1,-1]
w = [0,0]
b = 0
n = 1
#check给出w，b，找到一个此时的误分点，如果没有，说明算法收敛
def check(w,b):
    C = []
    for