感知机python实现

有用请点赞，没用请差评。

欢迎分享本文，转载请保留出处。

 

感知机原理参考博客：https://www.cnblogs.com/huangyc/p/9706575.html

 算法引用李航博士《统计学习方法》p29.

# -*- coding:utf-8 -*-
# 感知机

import numpy as np
import matplotlib.pyplot as plt

class Perceptron(object):
    def __init__(self,eta=1,iter=50):
        # eta:学习率；itea：最大迭代次数
        self.eta=eta
        self.iter=iter

    # 根据现有权值和偏置预测分类
    def predict(self,xi,w,b):
        target=np.dot(w,xi)+b
        return target

    # 迭代修正权值和偏置
    def interation(self,vector,label):
        """

        :param vector: 训练数据向量
        :param label: 训练数据的原始划分类别
        :return:
        """

        data_shape=vector.shape
        print("data_shape",data_shape)
        # 初始化权值为零向量
        self.weight=np.zeros(data_shape[1])
        # 初始偏置
        self.bias=0
        # 记录每一轮迭代还没有误分类数据
        errors_point=0
        # True表示还需要继续迭代
        check_inter=True
        n=0
        print("迭代次数：%d           ,初始权值:%s,初始偏置:%s" % (n,str(self.weight), str(self.bias)))
        while check_inter and n<self.iter:
            n+=1
            errors_point = 0
            for xi,yi in zip(vector,label):
                xi_prediction=self.predict(xi,self.weight,self.bias)
                # 感知机中的判断数据有没有被误分类的公式
                if yi*xi_prediction<=0:
                    # 修正权值和偏置
                    self.weight=self.weight+self.eta*xi*yi
                    self.bias=self.bias+self.eta*yi
                    errors_point+=1
                    print("迭代次数：%d ,误分类点：%s,权值:%s,偏置:%s"%(n,str(xi),str(self.weight),str(self.bias)))
                    break
            if errors_point:
                # 如果还存在误分类点，则继续迭代
                check_inter=True
            else:
                # 如果不存误分类点，则停止迭代
                check_inter=False
if __name__=="__main__":
    x1 = np.array([[3, 3], [4, 3], [1, 1]])
    x2 = np.array([1, 1, -1])
    perception=Perceptron()
    perception.interation(x1,x2)