- 感知机模型
- 感知机学习策略
感知机学习算法
本文参考 《统计学习方法》 李航
感知机模型
1.什么是感知机:
感知机是一个二分类线性分类模型,输入为实例的特征向量,输出为实例的类别。感知机学习旨在求出将训练数据分离的线性划分超平面。
2.感知机由输入到输出的映射:
f(x)=sign(ωx+b)
其中 ω 和 b 是感知机的参数,
对于一个数据集,如果所有的正负实例都能够被一个超平面分开,则称这个数据集是线性可分的,感知机针对的是线性可分的数据集,对于这样一个数据集,学习一个参数 ω 和 b 来进行分类。
感知机学习策略
1.损失函数
根据
1||w|||ωx0+b|
学习过程中,当点发生错误分类时,
yi
与
(ωx0+b)
的符号相反,且其乘积为1。那么假设超平面S的所有错误分类的点的集合为M,那么所有错误分类的点到超平面的距离总和为
−1||ω||