手动实现Python感知机全输入输出相同值问题排查求助

DevOps 小满

2026-9-2

感知机全量同输出故障排查

故障由以下几个核心编码错误直接导致，按影响优先级排序：

权重更新方向完全反转
感知机权重更新的核心逻辑是预测错误时，将权重向正确标签方向调整。正确误差定义为目标值 - 预测值，你的代码中写为prediction - target，误差符号完全相反，权重会随着训练往错误方向偏移，训练越久结果偏差越大。
修正误差计算代码：
```
error = target - prediction
```

训练轮次不足，模型未收敛
你当前仅对100个训练样本遍历了1次。感知机是迭代更新模型，需要多轮重复遍历整个训练集，直到连续一整轮预测无误差（收敛）才能停止训练，单轮遍历完全无法让权重调整到有效值。
可参考如下训练流程修正：

# 最多迭代100轮，避免线性不可分场景下死循环
for _ in range(100):
    epoch_error = 0
    for point in train_data:
        # 让train方法返回当前样本的误差值
        sample_error = neuron.train(point.inputs, point.label)
        epoch_error += abs(sample_error)
    # 整轮无预测错误，提前终止训练
    if epoch_error == 0:
        break

标签编码与激活函数输出不匹配
你实现的sign激活函数输出为1和-1两类，必须保证训练集标签严格对应：x>y的正样本标签为1，x<=y的负样本标签为-1。如果标签用布尔值True/False或者0/1编码，误差计算会完全失真，直接导致权重更新逻辑失效。
激活函数逻辑存在冗余风险
当前激活函数用n == abs(n)做判断，可直接简化为n >= 0，避免极小负数、负零等极端值导致的判断异常，修正后代码：
```
def sig(self, n):
    return 1 if n >= 0 else -1
```