概述:基于统计学习的三要素(模型、策略、算法),对感知机模型、感知机的学习策略和感知机的学习算法进行归纳总结。
1.感知机模型:
1.1感知机模型定义:
由输入空间X到输出空间Y={+1,-1}的如下函数称为感知机:
(1) f ( x ) = s i g n ( w ⋅ x + b ) f(x)=sign(w·x+b)\tag 1 f(x)=sign(w⋅x+b)(1)
其中, w w w和 b b b为感知机模型参数, w w w为权值或者权值向量(weight vector),b为偏置(bias),sign为符号函数,即
(2) s i g n ( x ) = { + 1 , x ≥ 0 − 1 , x ≤ 0 sign(x)= \left \{\begin{array}{cc} +1, &x\geq0\\ -1, &x\leq0 \end{array}\right.\tag2 sign(x)={ +1,−1,x≥0x≤0(2)
感知机模型的假设空间是定义在特征空间中的所有线性分类模型(liner classification model)或线性分类器(liner classifier),即函数集:
{ f ∣ f ( x ) = w ⋅ x + b {f|f(x)=w·x+b} f∣f(x)=w⋅x+b}
感知机有如下几何解释:线性方程
(3)