daily pastebin goal
8%
SHARE
TWEET

Untitled

a guest Feb 14th, 2018 76 Never
Not a member of Pastebin yet? Sign Up, it unlocks many cool features!
  1. #!/usr/bin/python
  2.  
  3. class Perceptron(object):
  4.     def __init__(self, input_num, activator):
  5.         '''
  6.         初始化感知器,设置输入参数的个数,以及激活函数。
  7.         激活函数的类型为double -> double
  8.         '''
  9.         self.activator = activator
  10.         # 权重向量初始化为0
  11.         self.weights = [0.0 for _ in range(input_num)]
  12.         # 偏置项初始化为0
  13.         self.bias = 0.0
  14.     def __str__(self):
  15.         '''
  16.         打印学习到的权重、偏置项
  17.         '''
  18.         return 'weights\t:%s\nbias\t:%f\n' % (self.weights, self.bias)
  19.     def predict(self, input_vec):
  20.         '''
  21.         输入向量,输出感知器的计算结果
  22.         '''
  23.         # 把input_vec[x1,x2,x3...]和weights[w1,w2,w3,...]打包在一起
  24.         # 变成[(x1,w1),(x2,w2),(x3,w3),...]
  25.         # 然后利用map函数计算[x1*w1, x2*w2, x3*w3]
  26.         # 最后利用reduce求和
  27.         return self.activator(
  28.             reduce(lambda a, b: a + b,
  29.                    map(lambda (x, w): x * w,  
  30.                        zip(input_vec, self.weights))
  31.                 , 0.0) + self.bias)
  32.     def train(self, input_vecs, labels, iteration, rate):
  33.         '''
  34.         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
  35.         '''
  36.         for i in range(iteration):
  37.             self._one_iteration(input_vecs, labels, rate)
  38.     def _one_iteration(self, input_vecs, labels, rate):
  39.         '''
  40.         一次迭代,把所有的训练数据过一遍
  41.         '''
  42.         # 把输入和输出打包在一起,成为样本的列表[(input_vec, label), ...]
  43.         # 而每个训练样本是(input_vec, label)
  44.         samples = zip(input_vecs, labels)
  45.         # 对每个样本,按照感知器规则更新权重
  46.         for (input_vec, label) in samples:
  47.             # 计算感知器在当前权重下的输出
  48.             output = self.predict(input_vec)
  49.             # 更新权重
  50.             self._update_weights(input_vec, output, label, rate)
  51.     def _update_weights(self, input_vec, output, label, rate):
  52.         '''
  53.         按照感知器规则更新权重
  54.         '''
  55.         # 把input_vec[x1,x2,x3,...]和weights[w1,w2,w3,...]打包在一起
  56.         # 变成[(x1,w1),(x2,w2),(x3,w3),...]
  57.         # 然后利用感知器规则更新权重
  58.         delta = label - output
  59.         self.weights = map(
  60.             lambda (x, w): w + rate * delta * x,
  61.             zip(input_vec, self.weights))
  62.         # 更新bias
  63.         self.bias += rate * delta
RAW Paste Data
Top