感知器训练算法的输入必须是相同类型吗？

例如，一个输入可以是布尔类型，而另一个输入可以是整数类型吗？

回答：

它们不能是任意类型的。请看计算步骤和终止条件（收敛准则）：

Update:y[j](t) = f[w(t) ⋅ x[j] ]         = f[w[0](t) x[j,0] + w[1](t) x[j,1] + ⋯ + w[n](t) x[j,n] ]Convergence:error = sum(abs(d[j] - y[j](t) )for all j) error / j_max < epsilon

这要求你至少有一个部分有序的数据类型，并且与你的权重类型定义了点积（通常是与权重类型的乘法和对乘积类型的加法），用于错误计算的减法，以及一些有效的收敛值epsilon。

我强烈建议你坚持使用实数（浮点数或双精度）作为权重。如果你对操作足够正式，你的输入可以是其他类型，但在实践中有点棘手：你能在你的输入和权重向量上定义那个点积吗？对于字符串输入，什么是

"hello" ⋅ [0.66, 0.21, -1.13]

更一般地说，你如何在感知器中存储一个评估向量，然后衡量它与输入的匹配程度？你如何在反向传播中调整这个向量？

如果你能处理这些问题，你就可以处理你的输入类型。

就我个人而言，我建议你坚持第一个建议：如果可以的话，将你的输入映射到数字。