圆月山庄资源网

python实现感知器算法详解
脚本专栏 2024/11/15 佚名
3 2
圆月山庄资源网 Design By www.vgjia.com

在1943年，沃伦麦卡洛可与沃尔特皮茨提出了第一个脑神经元的抽象模型，简称麦卡洛可-皮茨神经元（McCullock-Pitts neuron）简称MCP，大脑神经元的结构如下图。麦卡洛可和皮茨将神经细胞描述为一个具备二进制输出的逻辑门。树突接收多个输入信号，当输入信号累加超过一定的值（阈值），就会产生一个输出信号。弗兰克罗森布拉特基于MCP神经元提出了第一个感知器学习算法，同时它还提出了一个自学习算法，此算法可以通过对输入信号和输出信号的学习，自动的获取到权重系数，通过输入信号与权重系数的乘积来判断神经元是否被激活（产生输出信号）。

python实现感知器算法详解

一、感知器算法

我们将输入信号定义为一个x向量，x=(x1,x2,x3..)，将权重定义为ω=(ω1,ω2,ω3...)其中ω0的值为，将z定义为为两个向量之间的乘积，所以输出z=x1*ω1 + x2*ω2+....，然后将z通过激励（激活）函数，作为真正的输出。其中激活函数是一个分段函数，下图是一个阶跃函数，当输入信号大于0的时候输出为1，小于0的时候输出为0，这里的阶跃函数阈值设置为0了。定义激活函数为Φ(z)，给激活函数Φ(z)设定一个阈值θ，当激活函数的输出大于阈值θ的时候，将输出划分为正类(1)，小于阈值θ的时候将输出划分为负类(-1)。如果，将阈值θ移到等式的左边z=x1*ω1+x2*ω2+....+θ,我们可以将θ看作为θ=x0*ω0，其中输出x0为1，ω0为-θ。将阈值θ移到等式的左边之后，就相当于激活函数的阈值由原来的θ变成了0。

python实现感知器算法详解

感知器算法的工作过程：

1、将权重ω初始化为零或一个极小的随机数。

2、迭代所有的训练样本（已知输入和输出），执行如下操作：

a、通过权重和已知的输入计算输出

b、通过a中的输出与已知输入的输出来更新权重

python实现感知器算法详解

权重的更新过程，如上图的公式，其中ω与x都是相对应的（当ω为ω0的时候，x为1），η为学习率介于0到1之间的常数，其中y为输入所对应的输出，后面的y（打不出来）为a中所计算出来的输出。通过迭代对权重的更新，当遇到类标预测错误的情况下，权重的值会趋于正类别和负类别的方向。

python实现感知器算法详解

第一个公式表示的是，当真实的输出为1的情况下，而预测值为-1，所以我们就需要增加权重来使得预测值往1靠近。

第二个公式表示的是，当真实的输出为-1的情况下，而预测值为1，所以我们就需要减少权重来使得预测值往-1靠近。

注意：感知器收敛的前提是两个类别必须是线性可分的，且学习率足够小。如果两个类别无法通过一个线性决策边界进行划分，我们可以设置一个迭代次数或者一个判断错误样本的阈值，否则感知器算法会一直运行下去。

python实现感知器算法详解

最后，用一张图来表示感知器算法的工作过程

python实现感知器算法详解

二、python实现感知器算法

import numpy as np 
 
class Perceptron(object): 
  ''''' 
  输入参数： 
  eta:学习率，在0~1之间,默认为0.01 
  n_iter:设置迭代的次数,默认为10 
  属性： 
  w_:一维数组，模型的权重 
  errors_:列表，被错误分类的数据 
  ''' 
  #初始化对象 
  def __init__(self,eta=0.01,n_iter=10): 
    self.eta = eta 
    self.n_iter = n_iter 
  #根据输入的x和y训练模型 
  def fit(self,x,y): 
    #初始化权重 
    self.w_ = np.zeros(1 + x.shape[1]) 
    #初始化错误列表 
    self.errors_=[] 
    #迭代输入数据，训练模型 
    for _ in range(self.n_iter): 
      errors = 0 
      for xi,target in zip(x,y): 
        #计算预测与实际值之间的误差在乘以学习率 
        update = self.eta * (target - self.predict(xi)) 
        #更新权重 
        self.w_[1:] += update * xi 
        #更新W0 
        self.w_[0] += update * 1 
        #当预测值与实际值之间误差为0的时候,errors=0否则errors=1 
        errors += int(update != 0) 
      #将错误数据的下标加入到列表中 
      self.errors_.append(errors) 
    return self 
  #定义感知器的传播过程 
  def net_input(self,x): 
    #等价于sum(i*j for i,j in zip(x,self.w_[1:])),这种方式效率要低于下面 
    return np.dot(x,self.w_[1:]) + self.w_[0] 
  #定义预测函数 
  def predict(self,x): 
    #类似于三元运算符，当self.net_input(x) >= 0.0 成立时返回1，否则返回-1 
    return np.where(self.net_input(x) >= 0.0 , 1 , -1)

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。

标签：
python,感知器,算法
圆月山庄资源网 Design By www.vgjia.com
广告合作：本站广告合作请联系QQ：858582 申请时备注：广告合作（否则不回）
免责声明：本站文章均来自网站采集或用户投稿，网站不提供任何软件下载或自行开发的软件！ 如有用户或公司发现本站内容信息存在侵权行为，请邮件告知！ 858582#qq.com
圆月山庄资源网 Design By www.vgjia.com
www.vgjia.com 圆月山庄资源网
139,976互联网资源
144,792高清电影
21,817无损音乐
631,128技术资源

更新日志

友情链接

杰晶网络 DDR爱好者之家 桃源资源网 杰网资源 富贵资源网 南强小屋 铁雪资源网 幽灵资源网 万梅资源网 狼山资源网 白云岛资源网 昆仑资源网 相思资源网 明霞山资源网 内蒙古资源网 黑松山资源网 茶园资源网 饿虎岗资源网 大旗谷资源网 常春岛资源网 岱庙资源网 兴国资源网 快活林资源网 蝙蝠岛资源网 帝王谷资源网 白云城资源网 伏龙阁资源网 清风细雨楼 天枫庄资源网 圆月山庄资源网 无争山庄资源网 神水资源网 移花宫资源网 神剑山庄资源网 无为清净楼资源网 金钱帮资源网 丐帮资源网 华山资源网 极乐门资源网 小李飞刀资源网 凤求凰客栈 风云阁资源网 金狮镖局 鸳鸯亭资源网 千金楼资源网 更多链接