感知机算法代码实现

以下是感知机算法的Python代码实现：

import numpy as np

class Perceptron:
    def __init__(self, learning_rate=0.1, max_epochs=100):
        self.learning_rate = learning_rate
        self.max_epochs = max_epochs
        
    def fit(self, X, y):
        m, n = X.shape
        self.w = np.zeros(n)
        self.b = 0
        for epoch in range(self.max_epochs):
            for i in range(m):
                if y[i] * (np.dot(self.w, X[i]) + self.b) <= 0:
                    self.w += self.learning_rate * y[i] * X[i]
                    self.b += self.learning_rate * y[i]
                    
    def predict(self, X):
        return np.where(np.dot(X, self.w) + self.b > 0, 1, -1)

在这个实现中，我们使用了Numpy库来进行向量和矩阵操作，这样可以加快代码的运行速度。在fit函数中，我们首先初始化权重w和偏置b为0，然后对于每个数据样本，如果它的预测值与真实值不一致，则更新权重和偏置。在predict函数中，我们使用训练好的权重和偏置来进行预测。