我的第一个感知机！！！（哭了

import numpy as np
import io

class Perceptron(object):
    # 输入节点初始化权重和偏置常数b（假设与偏置常数相乘的输入值一直为0）
    def __init__(self, inode_num, learning_rate):
     #   self.inode_vec = inode_vec                     # 初始化输入节点个数
        self.weight = np.zeros(inode_num)         # 初始化权重
        self.learning_rate = learning_rate
        self.bias = 0.0
        
    #定义激活函数
    def activator(self, Sum):                 # 返回0/1
        if Sum > 0:
            outcome = 1
        else:
            outcome = 0
        return outcome
    
    #权重更新
    def train(self, inode_vec, label):
        ixw = np.hstack((inode_vec * self.weight, np.array([self.bias])))          # 计算输入与权重乘积后与偏置常数合并为一个向量
        ixw_sum = ixw.sum()                   # 返回计算后的元素总和
        output = self.activator(ixw_sum)           # 总和输入激活函数
        delta = label - output                     # 计算误差
        delta_weight = self.learning_rate * delta * inode_vec         # 计算权重误差
        delta_bias = self.learning_rate * delta          # 计算偏置常数误差
        self.weight += delta_weight           # 权重更新
        self.bias += delta_bias           #偏置常数更新
    
    def printout(self):
        print('weight：', self.weight, 'bias:', self.bias,) 

samples = io.open(r'C:\Users\john\PerceptronTest.csv','r')    # 打开训练样本
list_samples = samples.readlines()
samples.close()

inode_num = 2
learning_rate = 0.1
n = Perceptron(inode_num, learning_rate)
iterate_num = 5               #设置迭代次数

for i in range(0,iterate_num):
    for item in list_samples:   
        inode_vec = np.asfarray( item[:-1].split(',') )      
        label = inode_vec[2]
        inode_vec = inode_vec[:2]
        n.train(inode_vec, label)
        n.printout()

初学者还是自己看公式自己编吧，其中很多向量处理问题，包括变量的类型返回结果你看代码根本看不懂。。。（一个过来人的经验