Perceptron Hypothesis Set

本文介绍了机器学习的基本过程,重点讲解了感知机模型,一种线性二分类器,用于根据特征向量判断输出类别,如银行发卡决策。感知机通过调整权重和阈值,使特征加权和接近目标函数。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

640?wx_fmt=jpeg

Perceptron Hypothesis Set

    0.说在前面

1.机器学习的过程

2.感知机

3.作者的话

0.说在前面

今天开始更新机器学习系列,近日主要研究机器学习基石以及西瓜书等方面的学习,本文将更新机器学习基石的相关笔记。

1.机器学习的过程

根据模型H,使用算法A,在训练样本D上的进行训练,得到最好的h,其对应的g就是最后机器学习的函数模型,一般g接近于目标函数f,如下图所示:

640?wx_fmt=png

ML图

2.感知机

这里引入了一个银行发卡例子,某银行需要根据用户的年龄、收入、性别等来判断是否给当前用户发银行卡。

现在有个训练集D,表示之前用户是否发卡与用户基本信息的关系数据。针对这个D,通过使用算法A,在H中选择最好的h,进而得到g,接近目标函数f。银行利用这个机器学习模型以对用户进行判断:发卡(+1),不发卡(-1)。

到这里,想到了什么?

那就是这个结果竟然跟sigmoid函数取值很像。

在这个机器学习过程中,需要着重看中一个选择,那就是模型选择,也就是Hypothesis Set。

下面介绍一个常用的Hypothesis Set:感知机。

以上述是否给用户发银行卡为例,我们把用户的个人信息作为特征向量x,总共有d个特征,并且给每个特征赋以不同的权重w,表示该特征对输出(是否发信用卡)的影响程度。

在把所有的特征加权和的值与一个设定的阈值threshold进行比较。如果最终结果是大于这个阈值,输出为+1,表示发卡,否则输出为-1,表示不发卡。

640?wx_fmt=png

感知机图

感知机模型,就是当特征加权和与阈值的差大于或等于0,即输出h(x)=1;当特征加权和与阈值的差小于0,即输出h(x)=-1。我们的目的是计算出所有的权重w和阈值threshold。

然后为了计算方便,将阈值部分合并至累加求和里面。设为w0x,并且将求和的公式看为两个向量进行运算。

这里的w为d行1列,x也为d行1列的向量。

640?wx_fmt=png

简化图

为了更好的说明感知机模型,这里假设感知机在二维平面上,即h(x)=sign(w0+w1*x1+w2*x2)。h(x)可以看出是一条分类直线,一侧为正类(+1),另一次为负类(-1),权重的不同对应于不同的直线。其中+1,-1表示最后的y。


640?wx_fmt=png

二维结果图

这样的perceptron成为linear(binary) classifier,即用一条直线区分两种不同类型的结果。


3.作者的话

以上正文图片来源于林老师课程!

最后,您如果觉得本公众号对您有帮助,欢迎您多多支持,转发,谢谢!更多内容,请关注本公众号机器学习系列!

### Unity Perception 功能介绍 Unity Perception 是一款由 Unity 提供的工具包,主要用于生成训练机器学习模型所需的数据集[^1]。它特别适合于基于相机的用例,能够模拟各种传感器输入并生成高质量的合成数据。以下是其主要功能: #### 数据标注支持 Unity Perception 支持多种自动化的数据标注方式,包括但不限于边界框、语义分割图以及实例分割图。这些标注可以直接通过内置的感知组件完成,无需手动操作。 #### 场景随机化 为了提高生成数据的质量和多样性,Unity Perception 提供了强大的场景随机化功能。这允许开发者轻松调整光照条件、材质纹理以及其他环境参数,从而创建更加多样化且具有挑战性的训练样本集合[^3]。 #### 插件集成 作为 Unity 游戏引擎的一个扩展插件,Perception 可以与其他 Unity 工具和服务紧密结合工作。例如,在某些项目中可以配合 Ray Perception Sensor 来增强对象检测能力[^2];或者利用 State Machines 和 Behavior Trees 实现更复杂的交互逻辑设计。 #### 使用案例说明 对于具体应用场景而言,如果是在虚拟现实(VR)领域开发,则可能还需要考虑如何处理来自外部设备(如HTC Vive控制器)的位置信息更新问题。此时可以通过修改 SteamVR_TrackedObject 脚本来实现自定义身体部位跟踪效果[^4]。 ```csharp // 示例代码展示如何重写SteamVR_TrackedObject部分功能来适配特定需求 public class CustomTracker : MonoBehaviour { public Transform body; void OnNewPoses() { // 原始位置赋值被禁用 // pose.pos = transform.position; if (body != null){ body.localPosition = new Vector3(pose.pos.x, pose.pos.y, pose.pos.z); } } } ``` 以上就是关于 Unity Perception 的一些基本信息及其潜在用途概述。希望对你有所帮助!
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