构建一个基本的感知器。我在训练后的结果非常不一致，即使经过数千个周期。权重似乎调整得当，但模型无法准确预测。非常希望有第二双眼睛能审视一下结构，我在寻找自己犯错的地方时遇到了困难。准确率始终停留在60%左右。

 // Perceptronclass Perceptron {    constructor (x_train, y_train, learn_rate= 0.1, epochs=10) {            this.epochs = epochs            this.x_train = x_train            this.y_train = y_train            this.learn_rate = learn_rate            this.weights = new Array(x_train[0].length)            // 初始化随机权重            for ( let n = 0; n < x_train[0].length; n++ ) {                    this.weights[n] = this.random()            }    }    // 生成-1到1之间的随机浮点数（用于生成权重）    random () {            return Math.random() * 2 - 1    }    // 激活函数    activation (n) {            return n < 0 ? 0 : 1    }    // 给定输入张量的y-hat输出     predict (input) {            let total = 0            this.weights.forEach((w, index) => { total += input[index] * w }) // 将每个权重乘以每个输入向量值            return this.activation(total)    }    // 在数据上训练感知器    fit () {            for ( let e = 0; e < this.epochs; e++) { // 周期循环                    for ( let i = 0; i < this.x_train.length; i++ ) { // 遍历每个训练样本                            let prediction = this.predict(this.x_train[i]) // 预测样本输出                            console.log('Expected: ' + this.y_train[i] + '    Model Output: ' + prediction) // 记录预期与预测                            let loss = this.y_train[i] - prediction // 计算损失                            for ( let w = 0; w < this.weights.length; w++ ) { // 循环更新权重                                    this.weights[w] += loss * this.x_train[i][w] * this.learn_rate // 更新所有权重以减少损失                            }                    }            }    }}x = [[1, 1, 1], [0, 0, 0], [0, 0, 1], [1, 1, 0], [0, 0, 1]]y = [1, 0, 0, 1, 0]p = new Perceptron(x, y, epochs=5000, learn_rate=.1)

更新:

// Perceptronmodule.exports = class Perceptron {constructor (x_train, y_train, epochs=1000, learn_rate= 0.1) {    // 用于生成百分比准确率    this.accuracy = 0    this.samples = 0    this.x_train = x_train    this.y_train = y_train    this.epochs = epochs    this.learn_rate = learn_rate    this.weights = new Array(x_train[0].length)    this.bias = 0    // 初始化随机权重    for ( let n = 0; n < x_train[0].length; n++ ) {                    this.weights[n] = this.random()            }}// 返回当前准确率百分比 current_accuracy () {    return this.accuracy/this.samples}// 生成-1到1之间的随机浮点数（用于生成权重）random () {    return Math.random() * 2 - 1}// 激活函数activation (n) {    return n < 0 ? 0 : 1}// 给定输入张量的y-hat输出 predict (input) {    let total = this.bias    this.weights.forEach((w, index) => { total += input[index] * w }) // 将每个权重乘以每个输入向量值    return this.activation(total)}// 在数据上训练感知器fit () {    // 周期循环    for ( let e = 0; e < this.epochs; e++) {         // 对于每个训练样本        for ( let i = 0; i < this.x_train.length; i++ ) {             // 获取预测            let prediction = this.predict(this.x_train[i])             console.log('Expected: ' + this.y_train[i] + '    Model Output: ' + prediction)             // 更新准确率测量            this.y_train[i] === prediction ? this.accuracy += 1 : this.accuracy -= 1            this.samples++            // 计算损失            let loss = this.y_train[i] - prediction            // 更新所有权重            for ( let w = 0; w < this.weights.length; w++ ) {                 this.weights[w] += loss * this.x_train[i][w] * this.learn_rate            }            this.bias += loss * this.learn_rate        }        // 周期后的准确率        console.log(this.current_accuracy())    }  }}

回答：

这只是一个语法错误 🙂

将最后两个参数的顺序调换，如下所示:

p = new Perceptron(x, y, learn_rate=.1, epochs=5000)

现在一切应该都能正常工作了。

然而，你的实现中存在一个更严重的问题:

你忘记了偏置

在使用感知器时，你试图学习一个线性函数，形式如

y = wx + b

但你当前计算的只是

y = wx

如果你试图学习的只是单个输入的恒等函数，就像你的情况那样，这是可以的。但是一旦你开始尝试做一些稍微复杂的事情，比如学习AND函数，它可以表示为:

y = x1 + x2 – 1.5

这就会失效了。

如何修复?

非常简单，只需在构造函数中初始化 this.bias = 0。然后，在 predict() 中，初始化 let total = this.bias，在 fit() 中，在最内层循环之后添加 this.bias += loss * this.learn_rate 即可。