感知机（一）单层

感知机

单层感知机
关于感知机概念和模型就不再赘述
下面分析一下一份关于单层感知机的简单代码
（图中涉及的关于python图像库的知识，在另一篇文章中进行讲解）

import numpy as np
import random as random
import matplotlib as mpl
import matplotlib.pyplot as plt
datas = [[(1,2),-1],[(2,1),-1],[(2,2),-1],[(1,4),1],[(3,3),1],[(5,4),1],[(3, 3), 1], [(4, 3), 1], [(1, 1), -1],[(2, 3), -1], [(4, 2), 1]]
random.shuffle(datas)#将数据打乱
fig = plt.figure('Input Figure')
mpl.rcParams['xtick.labelsize'] = 16
mpl.rcParams['ytick.labelsize'] = 16
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
xArr = np.array([x[0] for x in datas])
yArr = np.array([x[1] for x in datas])
xPlotx,xPlotx_,xPloty,xPloty_ = [],[],[],[]
for i in range(len(datas)):
    y = yArr[i]
    if y>0:
        xPlotx.append(xArr[i][0])
        xPloty.append(xArr[i][1])
        #将类别为1的数据x,y值分别储存进xPlotx,yPloty中
    else:
        xPlotx_.append(xArr[i][0])
        xPloty_.append(xArr[i][1])
        #将类别为-1的数据x,y值分别储存进xPlotx_,yPloty_中
plt.title('Perception 输入数据')
plt.grid(True)
pPlot1,pPlot2 = plt.plot(xPlotx,xPloty,'b+',xPlotx_,xPloty_,'rx')
plt.legend(handles = [pPlot1,pPlot2],labels=['Positive Sample','Negtive Sample'],loc='upper center')
plt.show()

这一段代码是将data在直方图中显示出来。根据data[1]的不同，将数据分为两类，分别用’b+’（蓝色’+‘）和’rx’ (红色‘x’)来表示。plt.show()如下

接下来我们来建立函数f(x)=sign(w·x+b)，也就是感知机。首先我们要知道w,b是我们感知机的参数，这些参数需要根据我们的训练集进行不断的修正。

w = np.array([1,1])#首先将w定义为[1,1]的数组
b = 3
n = 1#n为步长，又称作学习率。
#一般常用的学习率有0.00001，0.0001，0.001，0.003，0.01，0.03，0.1，0.3，1，3，10
while True:
    num = 0
    for i in range(len(datas)):
        num += 1
        x = xArr[i]#xArr是之前我们从data中提取出来的坐标数据
        y = yArr[i]#yArr是之前我们从data中提取出来的各个坐标数据属于的类别
        z = y*(np.dot(w,x)+b)
#由我们当前的参数，计算得到我们的预估值，而数据的真实值y与预估值相乘之后会出现两种情况
#①：z<=0，说明我们的感知机判断错误 ②z>0说明感知机判断正确
      
        if z<=0 :
            w = w+n*y*x
            b = b+n*y
            break
            #当我们发现感知机判断错误时，我们需要对其参数进行更新
    if num>=len(datas):
        break

在训练集没有误分点后，我们将图像画出

在上段代码中，我们改变学习率大小，获得的感知机有所变化
当n=3时：

当n=0.1时：

可见不同学习率对感知机会产生影响，所以在过程中我们要对学习率进行调整

以上为对单层感知机简单程序的分析
感知机原理请戳(http://www.360doc.com/content/17/1114/13/48048615_703726961.shtml)`