感知机算法python代码

以下是感知机算法的Python代码：

import numpy as np

class Perceptron:
    def __init__(self, learning_rate=1, num_iterations=1000):
        self.learning_rate = learning_rate
        self.num_iterations = num_iterations
        
    def fit(self, X, y):
        self.weights = np.zeros(X.shape[1])
        self.bias = 0
        
        for _ in range(self.num_iterations):
            for i in range(len(X)):
                activation = np.dot(X[i], self.weights) + self.bias
                if y[i]*activation <= 0:
                    self.weights += self.learning_rate * y[i] * X[i]
                    self.bias += self.learning_rate * y[i]
                    
    def predict(self, X):
        return np.sign(np.dot(X, self.weights) + self.bias)

其中，`fit`方法用于训练模型，`predict`方法用于预测数据。在`fit`方法中，我们初始化权重和偏置为0，然后通过循环训练样本，如果分类错误则更新权重和偏置。在`predict`方法中，我们计算权重和偏置对输入数据的加权和，并使用`np.sign`函数返回预测结果。