python感知器_python实现感知器算法（批处理）

本文实例为大家分享了Python感知器算法实现的具体代码，供大家参考，具体内容如下

先创建感知器类：用于二分类

# -*- coding: utf-8 -*-

import numpy as np

class Perceptron(object):

"""

感知器：用于二分类

参照改写 https://blog.csdn.net/simple_the_best/article/details/54619495

属性：

w0:偏差

w:权向量

learning_rate:学习率

threshold:准则阈值

"""

def __init__(self,learning_rate=0.01,threshold=0.001):

self.learning_rate=learning_rate

self.threshold=threshold

def train(self,x,y):

"""训练

参数：

x：样本，维度为n*m(样本有m个特征，x输入就是m维)，样本数量为n

y：类标，维度为n*1，取值1和-1(正样本和负样本)

返回：

self：object

"""

self.w0=0.0

self.w=np.full(x.shape[1],0.0)

k=0

while(True):

k+=1

dJw0=0.0

dJw=np.zeros(x.shape[1])

err=0.0

for i in range(0,x.shape[0]):

if not (y[i]==1 or y[i]==-1):

print("类标只能为1或-1！请核对！")

break

update=self.learning_rate*0.5*(y[i]-self.predict(x[i]))

dJw0+=update

dJw+=update*x[i]

err+=np.abs(0.5*(y[i]-self.predict(x[i])))

self.w0 += dJw0

self.w += dJw

if np.abs(np.sum(self.learning_rate*dJw))500:

print("迭代次数：",k," 错分样本数：",err)

break

return self

def predict(self,x):

"""预测类别

参数：

x：样本，1*m维，1个样本，m维特征

返回：

yhat：预测的类标号，1或者-1，1代表正样本，-1代表负样本

"""

if np.matmul(self.w,x.T)+self.w