感知器的scala实现

其实感知器学习算法，就是利用第一节介绍的单层感知器。首先利用给的正确数据，计算得到输出值，将输出值和正确的值相比，由此来调整每一个输出端上的权值。

公式便是用来调整权值，首先 是一个“学习参数”，一般我将它设置成小于1的正数。T便是训练数据中的正确结果， 便是第i个输入端的输入值，便是第i个输入端上面的权值。
关于感知器的scala代码实现如下：

object Perceptron{
    val sourceX = Array(Array(3,3),Array(4,3),Array(1,1))
    val resulty = Array(1,1,-1)
    def perceptronSGD(X:Array[Array[Int]],y:Array[Int],learnRate:Double = 0.001,iterNum:Int = 1000):(Array[Double],Double)={
            var theta:Array[Double] = new Array(X(0).length)
            var b = 0.0
            for(i<- 0 to iterNum){
                    val row = i % X.length
                    var rowSum = 0.0
                    for(col <- 0 until X(0).length){
                            rowSum += X(row)(col) * theta(col)
                    }
                    rowSum = (rowSum + b) * y(row)
                    if(!(rowSum > 0)){
                            for(col <- 0 until X(0).length){
                                    theta(col) = theta(col) + learnRate * y(row) * X(row)(col)
                            }
                            b = b + learnRate * y(row) 
                    }
            }
            (theta,b)
    }
}