我需要一些关于具有多个类的单层感知器的帮助。
我需要做的是用三个不同的类对数据集进行分类，现在我刚刚学会了如何用两个类来做，所以我真的不知道如何用三个来做。
该数据集具有三个不同的类别：Iris-setosa、Iris-versicolor 和 Iris-versicolor。
带有数据集和信息的 url 位于：http: //ftp.ics.uci.edu/pub/machine-learning-databases/iris/iris.data。
我非常感谢任何人可以给我的任何帮助。
非常感谢！
执行此操作的标准方法称为“一对一”……您训练三个感知器。第一个目标=是a类？，第二个感知器目标=是b类？第三个 = 是 c 类。您只需分别训练每个感知器，然后取三个感知器中的最大值来决定类别
好吧，谈到人工智能，我是一个绝对的初学者，但根据我的理解，这是我对你问题的回答：
感知器只有一个激活函数，因此它只能返回 true 和 false 的值（在大多数情况下 true=0 和 false=1），因此，我认为您无法完成您的目标只使用一个感知器，但你绝对可以使用多个感知器来实现，这本质上是一个神经网络，当然训练网络比在感知器中计算权重的变化要困难得多，你将不得不利用训练算法，例如反向传播和 sigmoid 激活函数。我希望我的回答对您有所帮助。
严格来说，感知器是二元分类器。
要制作多类分类器，您应该切换到具有softmax输出层的标准前馈神经网络。没有任何隐藏层，这相当于多项逻辑回归。
你也可以按照@seanv507 的建议做一对多的把戏。这在实践中通常效果很好，但在理论上没有强有力的基础，在这种情况下，真正的多类版本在概念上和实践上更容易。