感知器 python

感知器是一种简单的机器学习算法，用于二分类任务。在 Python 中，我们可以使用 numpy 库来实现感知器。

以下是一个简单的感知器实现示例：

import numpy as np

class Perceptron:
    def __init__(self, num_features):
        self.weights = np.zeros(num_features)
        self.bias = 0

    def predict(self, x):
        activation = np.dot(self.weights, x) + self.bias
        return 1 if activation >= 0 else 0

    def train(self, X, y, learning_rate=0.1, epochs=100):
        for _ in range(epochs):
            for i in range(len(X)):
                prediction = self.predict(X[i])
                error = y[i] - prediction
                self.weights += learning_rate * error * X[i]
                self.bias += learning_rate * error

在上述代码中，`Perceptron` 类初始化权重和偏差为零，并且具有 `predict` 方法用于预测输入的类别。`train` 方法用于训练感知器，其中 `X` 是训练样本的特征向量，`y` 是对应的目标标签。

你可以使用以下代码进行测试：

X = np.array([[2, 4], [4, 5], [1, 3], [6, 4]])
y = np.array([0, 0, 0, 1])

perceptron = Perceptron(num_features=2)
perceptron.train(X, y)

test_samples = np.array([[5, 3], [2, 2]])
for sample in test_samples:
    prediction = perceptron.predict(sample)
    print(f"Input: {sample}, Prediction: {prediction}")

上述代码中，我们定义了一个简单的二分类问题，`X` 是特征向量，`y` 是对应的目标标签。我们创建了一个 `Perceptron` 实例，并使用 `train` 方法对其进行训练。然后，我们使用 `predict` 方法对测试样本进行预测，并打印预测结果。

希望能帮到你！如果有任何问题，请随时问。