感知器
本章概要
- 感知器是根据输入实例的特征向量x对其进行二类分类的线性分类模型:
f ( x ) = s i g n ( w ⋅ x + b ) f(x) = sign(w \cdot x + b) f(x)=sign(w⋅x+b)
感知器模型对应于输入空间中的分离超平面 w ⋅ x + b = 0 w \cdot x + b = 0 w⋅x+b=0 - 感知器学习的策略是极小化损失函数:
m i n w , b L ( w , b ) = − ∑ x i ∈ M y i ( w ⋅ x i + b ) min_{w,b}L(w,b) = -\sum_{x_i \in M} y_i(w \cdot x_i + b) minw,bL(w,b)=−xi