基于Python的PLA线性分类器的实现

       线型分类器（PLA），可以看做是一个最简单的单层前馈神经网络。PLA的目的可以简要概括为：通过训练，将一系列二维平面上的点分开。

1、数据集

         这里采用带标签【0,1】的二维数据集：

dataset = np.array([  # 此处用x,y形式的array来存储数据
    ((- 0.4, 0.3), 0),
    ((- 0.3, - 0.1), 0),
    ((- 0.2, 0.4), 0),
    ((- 0.1, 0.1), 0),
    ((0.6, - 0.5), 0),  # 非线性分割点，后面可根据情况删掉

    ((0.8, 0.7), 1),
    ((0.9, - 0.5), 1),
    ((0.7, - 0.9), 1),
    ((0.8, 0.2), 1),
    ((0.4, - 0.6), 1)])

2、误差函数

     定义误差函数的目的在于确定当前的权重向量是否需要修正。这里，本算法的误差确定较为粗略，仅根据权重向量与数据集向量的点积值正负来确定。

3、完整代码

import numpy as np
import matplotlib.pyplot as plt
from matp