感知机
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)=sign(w,x+b)
感知机对应于输入空间的分离超平面wx+b=0
学习策略是极小化损失函数
损失函数对应于误分类点到分离超平面的总距离
学习算法是基于随机梯度下降法的对损失函数的最优化算法
有原始形式和对偶形式,算法简单易于实现
原始形式中,首先任意选取一个超平面,然后用梯度下降法不断极小化目标函数.在这个过程中一次随机选取—个误分类点使其梯度下降
对偶形式
当训练数据集线性可分时,感知机学习算法是收敛的
当训练数据集线性可分时,感知机学习算法存在无穷多个解,其解由于不同
的初值或不同的迭代顺序而可能有所不同
感知机因为是线性模型,所以不能表示复杂的函数。
感知机无法实现异或