统计学习方法笔记(二)感知机

本文介绍了感知机模型,它是线性分类模型,基于误分类驱动的学习策略。感知机寻找一个超平面将两类数据分开,其损失函数是误分类点到超平面距离之和。学习算法采用随机梯度下降法更新权重。当数据线性可分时,感知机模型会收敛。此外,还提到了对偶形式的感知机,它简化了计算过程。
摘要由CSDN通过智能技术生成

感知机于1957年由Rosenblatt提出,是一种线性分类模型,属于判别模型,直接学习判别函数,是神经网络和支持向量机的基础。

对于感知机的学习推导首先要知道他的模型是什么,然后是学习策略(损失函数),最后是学习算法。

1.    感知机的模型(假设空间):


其中符号函数为:


2.     感知机的学习策略(损失函数):

首先超平面为:


点到超平面的距离(几何间隔)为:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值