感知器算法解决xor函数

from itertools import count
import numpy 
import random  #用到的库。

step_function = lambda x: 1 if x>=0 else 0   #是创建一个 step 函数，充当感知器的激活函数。输入小于0，则该函数将返回0；反之，它将返回1。

td = [
    (numpy.array([1,1,1]), 0),
    (numpy.array([1,0,0]), 1),
    (numpy.array([0,1,0]), 1),
    (numpy.array([0,0,1]), 0),
]#建立数据集，每个元组的第二个元素表示预期的结果，第一个元素的第三个元素是偏置。

def training(td):#训练感知器学习算法
    w = numpy.random.rand(3)#生成一个3列的0到1范围的随机数作为初始权重向量
    random.seed(1)# 设置随机数种子
    lr = 0.2 # 设置下学习效率  but这个不知道怎么设置比较好
    n = 200 # 设置训练次数为200
    a = 0
    for i in range(n):
        x, e = random.choice(td)# 从数据集中随机选取一个子集x作为训练集，e为所要得到的0 or 1.
        r = numpy.dot(w, x)+a# 结果；w为权重，在不断的迭代中权重向量不断修正
        err = e - step_function(r)# 误差的计算
        w1 =lr * err * x  #w1是权重的更新值用误差err乘以学习速率lr和输入向量x
        w += w1# 有助于我们计算校正因子此时的w是最新权重
        a = a + lr * err#为下一次修正
        err_array = []