统计学习方法——感知机模型

最近开始学习统计学习方法（李航），作为小白入门统计学习，希望用博客记录自己的学习历程，同时与大家分享自己的代码。希望看到这篇博客的各位程序大佬们能够指出我的错误！感知机模型代码如下：

import numpy as np

# 感知机模型
def perceptron(x, y, a0, b0, eta):
    n = len(y)
    a, b = a0, b0
    Gram = np.dot(x, x.T)  # Gram矩阵
    niter = 0  # 迭代计数
    while True:
        i = 0
        while i < n:
            if y[i] * (sum(a*y*Gram[i, :]) + b) <= 0:
                # 更新参数
                a[i] = a[i] + eta
                b = b + eta * y[i]
                niter += 1
                break
            else:
                i += 1
        if i == n:  # 迭代终止条件
            w = np.dot(a * y, x)
            break

    return w, b, niter

if __name__ == "__main__":
    # 数据及参数
    x = np.array([[3, 3],
                  [4, 3],
                  [1, 1]])
    y = np.array([1, 1, -1])
    a0 = np.zeros(len(y))
    b0 = 0
    eta = 1  # 学习率

    # 感知机训练
    w, b, niter = perceptron(x, y, a0, b0, eta)
    print("系数为：", w, b)
    print("迭代次数为：", niter)