[统计学习方法] 感知机

1.啥叫感知机?

感知机是二分类的线性分类模型。输入为实例的特征向量,输出为实例的类别。类别取值为-1,+1。 感知机会把输入的实例划分为正负两类的分离超平面,属于判别模型,感知机学习旨在求出训练数据进行线性划分的分离超平面。为此,导入基于误差分类的损失函数,利用梯度下降法对损失函数进行极小化,求的感知机模型。

2.感知机定义

                                                                        f(x) = sign(w\cdot x+b)

 其中wb分别为感知机模型参数,w叫权值或者权值向量,b叫做偏置量,w\cdot x表示wx的内积。sign为符号函数,即

                                                                       sign(x)=\left\{ \begin{matrix} +1, & x\geq 0& \\ -1, & x< 0& \end{matrix}\right.

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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