基于LMS(Adaline)的在线感知器模型实现问询（双月数据集）

我最近在折腾用LMS（最小均方，又称Adaline）算法构建在线版（非批处理）的感知器模型，训练用的是双月数据集，而且类别标签特意用了-1和+1（不是常见的0）。参考Haykin的书籍后，我写出了部分Python代码，如下：

import numpy as np

# 为输入特征添加偏置项（常数1）
xtrain = np.column_stack(([float(1) for i in x], x))
# 初始化权重，维度和扩展后的输入特征一致
weights = np.array([0.0 for k in range(len(np.transpose(xtrain)))])
# 设置学习率
lr = 0.01
# 设置训练轮数
epoch=100

def getlinear(...):
    # 这里是未完成的线性计算/预测函数部分
    pass

内容的提问来源于stack exchange，提问作者zer03