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
代码语言：javascript复制import
