Python感知器算法求解模式分类的解向量W

感知器算法：

代码逻辑：

1.先声明两个二维list并赋值(增广向量)

2.将二维list转为二维np数组，并把M2数组样本×(-1)，再将两个np数组用vstack上下合并(hstack是左右合并)。

3.取校正增量C值为1，权向量wi取初值[0,0,0,0]T。

4.编写感知器算法，遍历M3二维数组里面的每个模式向量，并用权向量与之相乘(注意要用点积np.dot(wi,vector)才能出来一个数值)，判断该值是否＞0。
＞0，权向量不变；≤0，权向量+=对应模式向量。

5.count用来计点积值≤0的次数，还有就继续迭代；flag用于跳出迭代。

import numpy as np

#1
M1=[[0,0,0,1],[1,0,0,1],[1,0,1,1],[1,1,0,1]]
M2=[[0,0,1,1],[0,1,1,1],[0,1,0,1],[1,1,1,1]]

#2
M1=np.array(M1)
M2=np.array(M2)
M2=M2*-1
M3=np.vstack((M1,M2))
print(M3,"\n")

#3
C=1
wi=np.array([0,0,0,0])

#4,5
def cal_func(wi,M3):
    count=0
    flag=1
    iter_cout=0
    while flag != 0:
        count=0
        iter_cout+=1
        for vector in M3:
            if np.dot(wi,vector) > 0:
                wi=wi
            else:
                count=count+1
                wi=wi+vector
        if count == 0:
            flag=0
            print("共进行",iter_cout,"次迭代")
            print("解向量W=",wi)
            
cal_func(wi,M3)