感知器模型详解

# coding:utf8
import numpy as np
import matplotlib.pyplot as plt

n = 0  # 迭代次数
lr = 0.10  # 学习速率
# 输入数据
X = np.array([[1, 1, 2, 3],
              [1, 1, 4, 5],
              [1, 1, 1, 1],
              [1, 1, 5, 3],
              [1, 1, 0, 1]])
print(X)
# 标签
Y = np.array([1, 1, -1, 1, -1])
# 权重初始化，取值范围-1到1
W = (np.random.random(X.shape[1]) - 0.5) * 2


def get_show():
    # 正样本
    all_x = X[:, 2]
    all_y = X[:, 3]
    print (all_x )
    print(all_x.shape)
    print (all_y )

    # 负样本
    all_negative_x = [1, 0]
    all_negative_y = [1, 1]
    print(all_negative_x)
    print(Y.shape)
    print(all_negative_y)

    # 计算分界线斜率与截距
    k = -W[2] / W[3]
    b = -(W[0] + W[1]) / W[3]
    # 生成x刻度
    xdata = np.linspace(0, 5)
    plt.figure()
    plt.plot(xdata, xdata * k + b, 'y')
    plt.plot(all_x, all_y, 'bo')# 用蓝色，且点的标记用小圆，'o'  circle marker
    plt.plot(all_negative_x, all_negative_y, 'yo')
    plt.show()


# 更新权值函数
def get_update():
    # 定义所有全局变量
    global X, Y, W, lr, n
    n += 1
    # 计算符号函数输出
    new_output = np.sign(np.dot(X, W.T))
    # 更新权重
    new_W = W + lr * ((Y - new_output.T).dot(X)) / int(X.shape[0])
    W = new_W


def main():
    for _ in range(100):
        get_update()
        new_output = np.sign(np.dot(X, W.T))
        if (new_output == Y.T).all():
            print("迭代次数：", n)
            break
    get_show()


if __name__ == "__main__":
    main()

运行结果：

知识补充：

import numpy as np
x = np.array([[1,2,5],[2,3,5],[3,4,5],[2,3,6]])
#输出数组的行和列数
print x.shape  #结果： (4, 3)
#只输出行数
print x.shape[0] #结果： 4
#只输出列数
print x.shape[1] #结果： 3

需要重点注意的是列表list是没有shape属性的，需要将其转换为数组，如下可以有两种表示方式

b = [[1,2,3],[4,5,6],[7,8,9]]
print(np.shape(b))
print(np.array(b).shape)

如果直接用列表的shape属性，会报如下错误

a = [[1,2,3],[4,5,6]]
print(a.shape)

AttributeError: ‘list’ object has no attribute ‘shape’

matplotlib库的常用知识：
https://www.cnblogs.com/yinheyi/p/6056314.html

猜你喜欢