Perceptron算法混淆

Question

我正试图解决这个问题：

def phi(x):
    # DO NOTHING ON THIS FUNCTION
    if x<=0:
        return -1.0
    else:
        return 1.0
    
phi = np.vectorize(phi)

这就是我需要实现该功能的地方：

def predictOne(x, w):
    z =  
    return phi(z)

但是，当我尝试使用我的公式时，但是用我的输入代码：

def predictOne(x, w):
    z =  0 + x * w
    return phi(z)

并运行我的断言：

assert predictOne(np.array([0.0,0.0]) , np.array([0.1,3.2,7.4])) == 1.0
assert predictOne(np.array([0.0,0.0]), np.array([-0.1,3.2,7.4])) == -1.0
assert predictOne(np.array([0.3,-0.7]), np.array([0.1,3.2,7.4])) == -1.0
assert predictOne(np.array([0.3,0.7]), np.array([0.1,3.2,7.4])) == 1.0

我得到一个(操作数不能与形状(2，) (3，)一起广播)

显然，断言是正确的，所以我在predictOne函数中做了一些错误。有人能帮忙吗？

Answer 1

问题在于公式：

def predictOne(x, w):
    z = w[0] + np.sum(x * w[1:])
    return phi(z)

• w[0]是偏见。正如@mkrieger所指出的，零的偏差并不能使大量的sense.
• perceptron实质上计算输入的加权和，因此结果应该被总结。