感知机的学习目标在于求出分离数据的线性超平面,它是一个线性分类器,是神经网络和SVM的基础。 http://fangpin.github.io
感知机的定义
感知机是一个二分类模型,假设对于输入向量X,输出Y满足 (Y\in { 1,-1 }).
则对输入作如下预测
y=f(x)=sign(w*x+b)
其中 (sign(x)) 为符号函数,(x \geq 0) 时返回1,否则返回-1.
w叫权值向量,b为偏置。
几何含义
使用线性超平面
w\*x+b=0
来划分数据集,
w
为平面法向量,
学习策略
若用错误分类数目作为损失函数,则损失函数不可导。
故用错误分类点到超平面距离和作为损失函数。
假设错误分类集合为 M.
(-\frac1{|w|^2} \sum_{x_i \in M}y_i(w*x_i+b))
可利用随机梯度下降法进行学习。