Novikoff感知器算法用python显示及结果

Novikoff感知器算法是一个经典的线性分类算法，它可以用来对二维数据进行分类。下面是一个简单的Python代码示例，用于演示如何使用Novikoff感知器算法进行二维数据分类，并且显示分割线及分类结果。

import numpy as np
import matplotlib.pyplot as plt

# 定义训练数据
X = np.array([[1, 1], [2, 2], [1, 2], [2, 1], [3, 1], [4, 2], [3, 3], [4, 4]])
Y = np.array([1, 1, -1, -1, -1, 1, 1, -1])

# 定义Novikoff感知器算法
def novikoff(X, Y):
    w = np.zeros(X.shape[1])
    while True:
        error = False
        for i in range(X.shape[0]):
            if Y[i] * np.dot(w, X[i]) <= 0:
                w = w + Y[i] * X[i]
                error = True
        if not error:
            break
    return w

# 训练模型
w = novikoff(X, Y)

# 显示分割线及分类结果
plt.scatter(X[:, 0], X[:, 1], c=Y)
x1 = np.linspace(0, 5, 10)
x2 = -(w[0]*x1)/w[1]
plt.plot(x1, x2, 'r')
plt.show()

这个示例中，我们定义了一个包含8个数据点的训练数据集，其中前4个数据点属于类别1，后4个数据点属于类别-1。我们使用Novikoff感知器算法对这个数据集进行训练，并得到分类结果。最后，我们使用matplotlib库将分类结果可视化出来，其中红色的直线表示分割线，蓝色和黄色的点表示不同的类别。