python 代码实现多层感知机

以下是一个Python实现多层感知机的例子[^2]：

import numpy as np

# 定义激活函数
def sigmoid(x):
    return 1 / (1 + np.exp(-x))

# 定义多层感知机类
class MLP:
    def __init__(self, input_size, hidden_size, output_size):
       self.W1 = np.random.randn(input_size, hidden_size)
        self.b1 = np.zeros(hidden_size)
        self.W2 = np.random.randn(hidden_size, output_size)
        self.b2 = np.zeros(output_size)

    def forward(self, x):
        self.hidden = sigmoid(np.dot(x, self.W1) + self.b1)
        self.output = sigmoid(np.dot(self.hidden, self.W2) + self.b2)
        return self.output

# 创建多层感知机对象
mlp = MLP(input_size=2, hidden_size=3, output_size=1)

# 输入数据
x = np.array([[3, 3], [4, 3], [1, 1]])

# 前向传播
output = mlp.forward(x)

print(output)

这段代码实现了一个具有2个输入节点，3个隐藏节点和1个输出节点的多层感知机。通过调用`forward`方法，可以进行前向传播并得到输出结果。在这个例子中，输入数据`x`是一个3x2的矩阵，表示3个样本，每个样本有2个特征。输出结果是一个3x1的矩阵，表示3个样本的预测结果。