感知机重点笔记:
-
感知机是二类分类的线性分类模型,其输入为实例的特征向量,输出为实例的类别,取+1和-1二值。
-
假设训练数据集是线性可分的,感知机学习的目标是求一个能够将训练集正实例点和负实例点能够完全分离的超平面。就是如何找w和b,需要确定一个学习策略,即定义(经验)损失函数并将损失函数极小化。
-
感知机学习的策略实在假设空间中选区使损失函数最小的模型参数w,b,即感知机模型。
-
感知机学习算法:最优化的方法使随机梯度下降法。
-
感知机学习算法的原始形式:感知机学习算法是误分类驱动的,具有采用随机梯度下降法。
-
算法的收敛性:对于线性可分数据集感知机学习算法原始形式收敛,即经过有限次迭代可以得到一个将训练数据集完全正确划分的分离超平面及感知机模型。
-
算法的收敛性:对于线性可分数据集感知机学习算法原始形式收敛,即经过有限次迭代可以得到一个将训练数据集完全正确划分的分离超平面及感知机模型。