def main():
perc = Perceptron()
inputs = [-1, 2]
chute = perc.adivinhar(inputs)
print(chute)
points = gerarPontosAleatorios()
x = np.linspace(0, 50, 100)
plt.plot(x, x)
# for p in points:
# #p.draw()
# perc.treinar( p.getEntradas(), p.label )
#
# chute = perc.adivinhar(p.getEntradas())
#
# point = Point(p.x, p.y, ax)
# point.setLabel(chute)
# print( "%d, %d = %d, certo? = %s" %(point.x, point.y, point.label, "sim" if point.label == p.label else "não" ))
# point.draw()
entradas = []
labels = []
#não precisaria varrer os labels fora do método, fiz apenas para separar
for p in points:
entradas.append(p.getEntradas())
labels.append(p.label)
p.draw()
ax.set_title('Resultado correto (antes do treinamento)')
plt.show()
plt.close()
print(
'As imagens seguintes mostram o resultado da rede, treinando e se ajustando a partir dos exemplos fornecidos'
)
perc.treinarBatch(entradas, labels)
for p in points:
chute = perc.adivinhar(p.getEntradas())
point = Point(p.x, p.y, ax)
point.setLabel(chute)
#descomente abaixo para se assegurar que todos os exemplos foram classificados corretamente.
print("%d, %d = %d, certo? = %s" %
(point.x, point.y, point.label,
"sim" if point.label == p.label else "não"))
p2 = Point(20, 10, ax)
print(perc.adivinhar(p2.getEntradas()))
