使用Numpy实现与运算感知器

发表于 | 更新于 | 分类于 ，

背景说明

参考PHP实现感知器

实现代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
import numpy as np

data = np.array([
    [1, 1, 1],
    [1, 0, 0],
    [0, 1, 0],
    [0, 0, 0],
], dtype=np.int)
bias = np.ones((4, 1))
data = np.concatenate((bias, data), 1)  # 偏置值作为输入


def predict(x, w):
    """
    预测结果
    """
    x = x.reshape(x.shape[0], 1)  # 输入
    w = w.reshape(1, w.shape[0])  # 权重
    return 1 if w.dot(x)[0][0] > 0 else 0


rate = 0.009  # 学习率
weight = np.zeros(data.shape[1] - 1)  # 初始权重

for _ in range(10):
    for _, item in enumerate(data):
        t = item[-1]  # Label
        d = item[0: -1]  # Data
        weight = weight + rate * (t - predict(d, weight)) * d

print(weight)