本文详细介绍了感知机（Percetron）的定义、结构、模型假设，以及学习策略和算法。感知机是二类分类的线性模型，试图找到一个超平面将样本点分为两类。学习过程采用随机梯度下降法，通过不断调整权重和偏置，直至误分类点消失。此外，还提及了感知机的原始形式和对偶形式算法。
感知机原理（Percetron）
1感知机的定义感知机（perceptron）是二类分类的线性分类模型，它的思想很简单，就是在一个二维空间中寻找一条直线将红点和蓝点分开（图1），类比到高维空间中，感知机模型尝试寻找一个超平面，将所有二元类别分开（图2）。
2 感知机的结构
特点：
（１）多输入，单输出
（２）激活函数／传递函数为二值，一般为阶跃函数或符号函数
（３）输出为二值：０／１或－１／１
3 感知机的模型假设训练数据集为
，其中
，
感知机模型：
其中，w和b称为感知机模型参数，
叫做权值或者权值向量， 
叫做偏置。
sign函数是符号函数：
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
