几个函数介绍
[0.0 for _ in range(input_num)] 创建一个共有input_num个元素且每个元素都是0.0的列表
lambda表达式
g = lambda x:x+1
定义了一个匿名函数,等同于
def g(x):
return x+1
reduce函数
def f(x, y):
return x + y
reduce(f, [1, 3, 5, 7, 9])
reduce函数将做如下计算:
1.先计算头两个元素:f(1, 3),结果为4;
2.再把结果和第3个元素计算:f(4, 5),结果为9;
3.再把结果和第4个元素计算:f(9, 7),结果为16;
4.再把结果和第5个元素计算:f(16, 9),结果为25;
5.由于没有更多的元素了,计算结束,返回结果25。
reduce()还可以接收第3个可选参数,作为计算的初始值。如果把初始值设为100,计算初始值和第一个元素:f(100, 1),结果为101。最终结果将变为125。
zip函数
a, b = [0, 1], [2, 3]
ab = zip(a, b)
print(list(ab))
# [(0, 2), (1, 3)]
将两个列表压缩成组成元组的列表
map函数
map()是 Python 内置的高阶函数,它接收一个函数 f 和一个 list,并通过把函数 f 依次作用在 list 的每个元素上,得到一个新的 list 并返回。
def f(x):
return x*x
print map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])
#[1, 4, 9, 10, 25, 36, 49, 64, 81]
实例
class Perceptron(object):
def __init__(self, input_num, activator):
'''
初始化感知器,设置输入参数的个数,以及激活函数。
激活函数的类型为double -> double
'''
self.activator = activator
# 权重向量初始化为0
self.weights = [0.0 for _ in range(input_num)]
# 偏置项初始化为0
self.bias = 0.0
def __str__(self):
'''
打印学习到的权重、偏置项
'''
return 'weights\t:%s\nbias\t:%f\n' % (self.weight