单层感知器笔记+代码示例

一、笔记：

 

二、感知器基础
        感知器的输入为输入变量数组与权重数组的乘积之和，但接下来所经过的激活函数不同，感知器的激活函数用阶跃函数代替sigmoid函数。
        我们以一个感知器（神经元）通过AND与OR运算为例。

#AND感知器

import pandas as pd
# 权重
w=[-1.1, 1, 1]
#数据及label值
x=[(1, 0, 0), (1, 0, 0.5), (1, 0, 1), (1, 0.5, 0), (1, 1, 0), (1, 0.5, 0.5), (1, 1, 1), (1, 1.5, 1.5), (1, 2, 2)]
Y=[False, False, False, False, False, False, True, True, True]
y=[]
#具体模型
for x, yy in zip(x, Y):#取出数据及标签值
    h = w[0] * x[0] + w[1] * x[1] + w[2]*x[2]#公式y=w*x再求和
    H = int(h >= 0)  #激活函数为阶跃函数（当x>=0时，y=1，否则为0）
    #判断预测是否损失
    if (H ==yy):
        loss = '0'
    else:
        loss = '1'
    y.append([x[0], x[1],  x[2], h, H, loss])
print(pd.DataFrame(y, columns=['x0','   x1', '  x2', '     h', ' Y', ' loss']))

结果：

 

#OR感知器
import pandas as pd
# 权重
w=[-0.5, 1, 1]

#数据及label值
x=[(1, 0,0), (1, 0, 0.5), (1, 0, 1), (1, 0.5, 0), (1, 1, 0), (1, 0.5, 0.5), (1, 1, 1), (1, 1.5, 1.5),(1, 2, 2)]
Y=[False, True, True, True, True, True, True, True, True]
y=[]
#具体模型
for x, yy in zip(x, Y):#取出数据及标签值
    h = w[0] * x[0] + w[1] * x[1] + w[2]*x[2]#公式y=w*x再求和
    H = int(h >= 0)  #激活函数为阶跃函数（当x>=0时，y=1，否则为0）
    #判断预测是否损失
    if (H ==yy):
        loss = '0'
    else:
        loss = '1'
    y.append([x[0], x[1], x[2], h, H, loss])
print(pd.DataFrame(y, columns=['x0','  x1', '  x2', '     h', ' Y', ' loss']))

结果：