原理：感知机（perceptron）是二类分类的线性分类模型，它的思想很简单，就是在一个二维空间中寻找一条直线将红点和蓝点分开。

线性分类器：在机器学习领域，分类的目标是指将具有相似特征的对象聚集。而一个线性分类器则透过特征的线性组合来做出分类决定，以达到此种目的。对象的特征通常被描述为特征值，而在向量中则描述为特征向量。

# -*- coding:utf-8 -*-import randomdef matrix_time(x=None,y=None):sum=0for i in range(0,len(x)):sum+=(x[i]*y[i])print("    α* "+str(y)+"="+str(sum))return sum
def matrix_add(x=None,y=None):result=[]for i in range(0,len(x)):result.append(x[i]+y[i])return result
def is_pass_muster(stander=None,data=None):k=0print("   检验α是否能识别全部样本")for list in data:m=matrix_time(stander,list)if(m<=0):print("   α*"+str(list)+'='+str(m)+'<=0,未能识别全部全部样本,开始对α进行调整')return Falseif (m>0):print("   α*" + str(list) + '=' + str(m) + '>0,正确识别样本')k+=1if k==len(data):return True
def fun(x=None):a=[]while len(a)!=3:k= random.randint(-9,9)if k not in a:a.append(k)#a=[-2,0,-1]print("初始化α："+str(a))list =[]w=1for l in x:for omiga in l:for i in range(0,len(omiga)):omiga[i]*=womiga.append(w)list.append(omiga)w*=-1n=1print("第" + str(n) + "轮：")while not is_pass_muster(stander=a,data=list):n += 1print("第"+str(n)+"轮：")for lt in list:m=matrix_time(a,lt)if(m<=0):bb=aa=matrix_add(a,lt)print("    未正确识别样本，将α："+str(bb)+"调整为："+str(bb)+"+"+str(lt)+'='+str(a))return aif __name__ == '__main__':x=[[[0,0],[0,1]],[[1,0],[1,1]]]print('输入数据：'+str(x))a=fun(x)print('α全部识别样本：'+str(a))

 结果：

作者：WangB