用多类感知器算法求下列模式的判别函数： ω1: (-1 -1)T， ω2: (0 0)T， ω3: (1 1)T，用Python编程实现，代码简单易懂

多类感知器（Perceptron Learning Algorithm, PLA）是一种简单的线性分类模型，用于二分类任务。对于给定的三个类别（ω1, ω2, ω3），我们可以创建一个权重向量列表，每个类别对应一个权重。在Python中，我们可以按照以下步骤来实现：

class Perceptron:
    def __init__(self):
        self.weights = [(-1, -1), (0, 0), (1, 1)]  # 初始化三个权重向量

    def predict(self, input_vector):
        # 计算输入向量与权重向量的点积，如果大于0，则预测正类，小于等于0则预测负类
        predictions = [input_vector.dot(omega) for omega in self.weights]
        return np.sign(predictions)

# 示例：假设我们有一个输入示例 x = [-1, -1]，我们可以这样判断属于哪一类
perceptron = Perceptron()
x = [-1, -1]
prediction = perceptron.predict(x)
print(f"对于输入{x}, 预测类别是 {prediction}")

这里，`numpy.sign()` 函数用于计算点积的结果并将其转换为正类（1）或负类（-1）。请注意，这仅适用于二分类情况，如果有更多的类别，需要对 PLA 进行适当的修改，如使用 Softmax 或 One-vs-Rest 策略。