感知器算法二分类matlab

感知器算法是一种二分类算法，可以用 Matlab 来实现。以下是一个简单的示例代码：

% 训练数据
X = [0 0 1; 1 1 1; 1 0 1; 0 1 1];
y = [-1; 1; 1; -1];

% 初始化权重和偏置
w = randn(3,1);
b = randn();

% 设置学习率和最大迭代次数
lr = 0.1;
max_iter = 100;

% 训练感知器模型
for i = 1:max_iter
    % 随机打乱训练数据顺序
    order = randperm(size(X,1));
    X = X(order,:);
    y = y(order,:);
    % 遍历训练数据
    for j = 1:size(X,1)
        % 计算输出值
        output = sign(X(j,:)*w + b);
        % 根据误差更新权重和偏置
        if output ~= y(j)
            w = w + lr*y(j)*X(j,:)';
            b = b + lr*y(j);
        end
    end
end

% 显示最终结果
disp(w);
disp(b);

在这个示例代码中，我们使用了随机梯度下降算法来训练感知器模型。我们将训练数据 X 和标签 y 初始化，并随机初始化权重和偏置。然后我们设置学习率和最大迭代次数，开始训练模型。在每一轮迭代中，我们随机打乱训练数据顺序，并遍历训练数据。对于每一个训练样本，我们计算输出值并根据误差更新权重和偏置。最终，我们得到训练好的模型的权重和偏置。