单层感知器分类案例

单层感知器分类案例

• 1、题目及实现思路
• 2、代码实战

1、题目及实现思路

  题目：假设我们有 4 个 2 维的数据，数据的特征分别是(3,3),(4,3),(1,1),(2,1)。
  (3,3),(4,3) 这两个数据的标签为 1，
  (1,1),(2,1)这两个数据的标签为-1。
  构建神经网络来进行分类。

  思路：我们要分类的数据是 2 维数据，所以只需要 2 个输入节点（一般输入数据有几个特征，我们就设置几个输入神经元），我们可以把神经元的偏置值也设置成一个输入节点。这样我们需要 3 个输入节点。

  输入数据有 4 个(1,3,3),(1,4,3),(1,1,1),(1,2,1)

  数据对应的标签为(1,1,-1,-1)

  初始化权值 w1,w2,w3 取 0 到 1 的随机数

   学习率 lr(learning rate)设置为 0.1

  激活函数为 sign 函数

  我们可以构建一个单层感知器如图所示。

2、代码实战

import