结果应该是图中的,可是我的结果都是0,不知道哪里错了,求各位大神帮忙啊
from functools import reduce
def f(t):
return t[0] * t[1]
class Perceptron(object):
def init(self,input_num,activator):
''' 初始化感知器,设置输入参数的个数,以及激活函数,激活函数的类型为double->double'''
self.activator = activator
self.weights = [0.0 for _ in range(input_num)]
# 权重向量初始化为0
self.bias = 0.0
# 偏置项初始化为0
def __str__(self):
'''
打印学习道德权重、偏置项
'''
print('weithts\t:',list(self.weights))
return 'bias\t:%f\n' % (self.bias)
def perdict(self,input_vec):
'''
输入向量,输出感知器的计算结果
'''
# 把input_vec[x1,x2,x3...]和weights[w1,w2,w3...]打包在一起
# 变成[(x1,w1),(x2,w2),...]
# 然后利用map函数计算[1*w1,x2*w2,x3*w3]
# 最后利用reduce求和
L = map(f, zip(input_vec, self.weights))
return self.activator(reduce(lambda a,b:a+b,L,0.0)+self.bias)
def train(self,input_vecs,labels,iteration,rate):
'''
输入训练数据:一组向量、与每个向量对应的label;以及训练轮数、学习率
'''
for i in range(iteration):
self._one_iteration(input_vecs,labels,rate)
def _one_iteration(self,input_vecs,labels,rate):
'''
一次迭代,把所有的训练数据过一遍
'''
#把输入和输出打包在一起,成为样本的列表[(input_vec,label),...]
#而每个训练样本是(input_vec,label)
samples = zip(input_vecs,labels)
#对每个样本,按照感知器规则更新权重
for (input_vec,label) in samples:
#计算感知器在当前权重下的输出
output = self.perdict(input_vec)
#更新权重
self._update_weights(input_vec,output,label,rate)
def _update_weights(self,input_vec,output,label,rate):
'''
按照感知器规则更新权重
'''
# 把input_vec[x1,x2,x3...]和weights[w1,w2,w3...]打包在一起
# 变成[(x1,w1),(x2,w2),...]
#然后利用感知器规则更新权重
def k(t):
return t[1] + rate * delta * t[0]
delta = label - output
self.weights = map(k,zip(input_vec,self.weights))
#更新bias
self.bias += rate*delta
def m(x):
'''
定义激活函数m
'''
return 1 if x>0 else 0
def get_training_dataset():
'''
基于and真值表构建训练数据
'''
#构建训练数据
#输入向量列表
input_vecs = [[1,1],[0,0],[1,0],[0,1]]
#期望的输出列表,注意要与输入一一对应
#[1,1]->1, [0,0]->0, [1,0]->0, [0,1]->0
labels = [1,0,0,0]
return input_vecs,labels
def train_and_perceptron():
'''
使用and真值表训练感知器
'''
#创建感知器,输入参数个数为2(因为and是二元函数),激活函数为m
p = Perceptron(2,m)
#训练,迭代10轮,学习速率为0.1
input_vecs,labels = get_training_dataset()
p.train(input_vecs,labels,10,0.1)
#返回训练好的感知器
return p
if name == '__main__':
#训练and感知器
and_perceptron = train_and_perceptron()
#打印训练获得的权重
print(and_perceptron)
#测试
print('1 and 1 = %d' % and_perceptron.perdict([1,1]))
print('0 and 0 = %d' % and_perceptron.perdict([0,0]))
print('1 and 0 = %d' % and_perceptron.perdict([1,0]))
print('0 and 1 = %d' % and_perceptron.perdict([0,1]))