感知机算法（perceptron）学习XOR函数（增加维度转线性）Python实现

原题如下：
下面我们尝试使用Perceptron(感知机)算法学习XOR函数。
对于XOR函数，当输入是(0,0)或者(1,1)时，输出为0；当输入是(0,1)或者(1,0)时，输出是1. 我们知道，这不是线性可分的函数，所以感知机算法学习不了。
现在我们给每一个输入增加一维，输出不变；所以现在是
(0,0,a)>>0
(0,1,b)>>1
(1,0,c)>>1
(1,1,d)>>0
其中a,b,c,d均从{0,1}中独立取值。在这16种可能组合中，要求把最后误差为0的组合总数和各个组合给打印出来。

代码如下

from numpy import array, random, dot
from random import choice

# activate function 
step_function = lambda x: 0 if x < 0 else 1

# training set,随意指定a,b,c,d的初始值

training_dataset = [

    (array([0,0,1]), 0),

    (array([0,1,0]), 1),

    (array([1,0,0]), 1),

    (array([1,1,1]), 0),

]
def training(training_dataset):
 	# 设置随机数种子
    random.seed(1)
    weights = random.rand(3)
    # 配置learning rate
    learning_rate = 0.2
    # 设置训练次数为150
    n = 150
    b = 0
    for j in range(n):
        # 从数据集中随机选取一个子集作为训练集
        x, expected = choice(training_dataset)
        # 预测结果
        result = dot(weights, x)+b
        err = expected - step_function(result)
        # 更新权重
        weights += learning_rate * err * x
        b = b + learning_rate * err
        err_array = []
    #计算误差向量
    for x, y in training_dataset:
        result = dot(x, weights)+b
        err_val = y - step_function(result)
        err_array.append(err_val)
    # 输出误差向量
    return err_array

output = 0
for i in [0,1]:
    for j in [0,1]:
        for l in [0,1]:
            for k in [0,1]:
                #列出所增加维度即a,b,c,d的所有可能结果，并分别进行训练
                a = [i,j,k,l]
                for t in range(4):
                    training_dataset[t][0][2] = a[t]
                err_array = training(training_dataset)
                #如果误差均为0，则a值可用
                if err_array == [0,0,0,0]:
                    output += 1
                    # 返回a值
                    print(a)       
                    
print('线性可分的总组数为：{}'.format(output))
 # 注：在循环次数为100的运行过程中，曾经出现过组数为9的情况；更换为150后，在目前的调试中，总组数均为10