python实现感知器算法

感知器算法，也称为Perceptron，是一种简单的线性分类模型，主要用于二分类问题。在Python中，我们可以利用scikit-learn库来实现感知器算法。以下是基本步骤：

1. 导入所需的库：

from sklearn.linear_model import Perceptron
from sklearn.datasets import make_classification
import numpy as np

2. 加载数据集或生成示例数据：

X, y = make_classification(n_samples=100, n_features=2, random_state=42) # 示例数据

3. 初始化并训练感知器模型：

perceptron = Perceptron(random_state=42)
perceptron.fit(X, y)

这里`random_state`是一个可选参数，设置随机种子，以便于结果的可重复性。

4. 预测新样本：

new_sample = [[0, 1]]  # 新的输入向量
prediction = perceptron.predict(new_sample)
print(f"预测结果：{prediction}")

5. 模型评估：
如果你想评估模型性能，可以使用交叉验证或计算准确率：

score = perceptron.score(X, y)
print("模型准确率:", score)