python实现感知器的算法

以下是Python实现感知器算法的示例代码：

import numpy as np

class Perceptron:
    def __init__(self, input_size, lr=1, epochs=10):
        self.W = np.zeros(input_size+1)
        self.epochs = epochs
        self.lr = lr
        
    def activation_fn(self, x):
        return 1 if x >= 0 else 0
    
    def predict(self, x):
        z = self.W.T.dot(x)
        a = self.activation_fn(z)
        return a
    
    def fit(self, X, d):
        for epoch in range(self.epochs):
            for i in range(d.shape[0]):
                x = np.insert(X[i], 0, 1)
                y = self.predict(x)
                e = d[i] - y
                self.W = self.W + self.lr * e * x
                
X = np.array([[0,0],[0,1],[1,0],[1,1]])
d = np.array([0,0,0,1])

perceptron = Perceptron(input_size=2)
perceptron.fit(X, d)

print(perceptron.W) #输出学习后的权重

其中，输入数据X和期望输出d是numpy数组。在fit函数中，我们使用了随机梯度下降法来更新权重。在每个训练周期中，我们遍历所有的输入数据，并计算输出和期望输出之间的误差。然后使用误差和学习率来更新权重。最终，我们输出学习后的权重。