机器学习——感知器算法及python实现

说明：本文从自己的理解出发来讲解感知器是如何训练的，如想知道比较学术的概念，请查阅相关论文。

1、什么是感知器

本文假设数据为：二维二类、线性可分

感知器就是一个分类器，如：给两类数据做训练集A,B，训练完成之后，给定一个测试数据，通过感知器，可以分成A或B。

因为数据是二维线性可分的，我们不妨假设该线性方程为w0*x0+w1*x1+w2 = 0

2、如何训练

训练的最终结果是训练集中A的结果在直线的一侧，假设经过过滤器后其值<0; B的结果在直线的另一侧经过过滤器后其值>0。

可以先给w=[w0,w1,w2]赋一个初始值如w=[1,1,1]。

如果训练集中的点x的标签为A，且带入线性方程后的值<0，则当前感知器对x点分类正确，不对w进行调整

如果训练集中的点x的标签为A，且带入线性方程后的值>=0，则当前感知器对x点分类不正确，对w进行调整。

本来应该<0，但结果>=0，所以