单层感知器python

单层感知器，也称为阈值逻辑单元（Threshold Logic Unit）或线性可分神经网络，是最简单的神经网络模型之一。在Python中，我们可以使用像`scikit-learn`这样的库来实现单层感知器。它是监督学习中的基本分类算法，主要用于二分类问题。

以下是使用`scikit-learn`实现单层感知器的基本步骤：

1. 导入所需的库：

from sklearn.linear_model import Perceptron
from sklearn.model_selection import train_test_split
import numpy as np

2. 准备数据（假设有一个二维特征数组X和对应的标签y）：

X = ... # 输入特征数据
y = ... # 输出标签数据

3. 划分训练集和测试集：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

4. 创建并训练模型：

model = Perceptron(random_state=42)
model.fit(X_train, y_train)

5. 预测和评估性能：

y_pred = model.predict(X_test)
accuracy = model.score(X_test, y_test)