感知器算法程序

以下是一个简单的Python实现感知器算法的程序：

import numpy as np

class Perceptron(object):
    def __init__(self, lr=0.01, n_iter=1000):
        self.lr = lr  # 学习率
        self.n_iter = n_iter  # 迭代次数
        self.w = None  # 权重
        self.b = None  # 偏置

    def fit(self, X, y):
        n_samples, n_features = X.shape

        # 初始化权重和偏置
        self.w = np.zeros(n_features)
        self.b = 0

        # 迭代训练
        for i in range(self.n_iter):
            for j in range(n_samples):
                # 计算线性输出
                z = np.dot(self.w, X[j]) + self.b
                # 非线性变换
                y_pred = np.where(z >= 0, 1, 0)
                # 更新权重和偏置
                self.w += self.lr * (y[j] - y_pred) * X[j]
                self.b += self.lr * (y[j] - y_pred)

    def predict(self, X):
        # 计算预测结果
        z = np.dot(X, self.w) + self.b
        y_pred = np.where(z >= 0, 1, 0)
        return y_pred

这个程序实现了感知器算法的训练和预测过程，其中fit方法用于训练模型，predict方法用于预测结果。需要注意的是，这个程序只能处理二分类问题，如果要处理多分类问题，需要进行适当的修改。