遍历向量与矩阵返回单个值时出现数组真值歧义报错如何解决？

核心报错原因 #

触发报错的直接原因有三个：

• 变量书写错误：从报错栈可以看到，实际运行的代码中是b += ys而非你示例里写的b += j：ys是长度为100的一维数组，执行这行后b会从单个浮点数变为形状(100,)的数组，后续计算w.T @ i + b时，标量加数组会触发广播机制，最终j * (w.T @ i + b) <=0的计算结果是长度100的布尔数组，放到if判断中自然会报「数组的真值不明确」的错误。
• 循环逻辑错误：感知机的遍历逻辑是每个特征样本对应一个标签，你写的嵌套循环for i in xs: for j in ys会让每个样本和所有标签挨个配对计算，完全不符合算法逻辑，也会大幅提升维度异常的概率。
• 语法错误：if m==0: break的缩进位置错误，这行必须放到while循环内部，否则while会成为死循环永远无法退出；同时函数定义缺少参数，你实际调用的是perceptron(xs,ys)，但你定义的函数名是function且未声明入参，本身也无法正常调用。

单独测试未报错的原因 #

你在函数外测试时使用的是ys[0]和xs[0]配对，没有执行错误的b += ys代码，b全程为单个浮点数，所以计算结果是标量，不会触发维度报错。

修正后可运行代码 #

import numpy as np

# 此处按感知机标准更新规则实现function2，你可以替换为自己的逻辑
def function2(i, j, w):
    return j * i

def perceptron(xs, ys):
    n, d = xs.shape    
    w = np.zeros(d)
    b = 0.0

    while True:
        m = 0
        # 用zip同时遍历配对的样本和标签，不要嵌套循环
        for i, j in zip(xs, ys):
            if j * (w.T @ i + b) <= 0:
                w += function2(i,j,w)
                b += j
                m += 1
        # 缩进调整到while循环内部
        if m == 0:
            break
    return (w,b)

# 测试代码
N = 100
d = 10
xs = np.random.rand(N,d)
w_true = np.random.rand(1,d)
ys = np.sign(w_true.dot(xs.T))[0]
w, b = perceptron(xs,ys)

内容的提问来源于stack exchange，提问作者Conweezy