第2章 感知机
- 有监督学习
- 分类问题
- 线性分类模型
感知机是什么?
你是否听说过复杂的神经网络呢?
感知机可以称为单层的神经网络,而多层的感知机则称为神经网络
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 T T T,输出为实例的类别 y y y 即:
T = { ( x 1 , y 1 ) , ( x 2 , y 2 ) , . . . , ( x N , y N ) } T=\{(x_1,y_1),(x_2,y_2),...,(x_N,y_N)\} T={ (x1,y1),(x2,y2),...,(xN,yN)}
y = { + 1 , − 1 } y=\{+1,-1\} y={ +1,−1}
用简单的话语来说 感知机在二维平面上的表现就像一个分界线 最大程度的将不同种类的样本区分出来
(当然是属于二分类啦)
感知机在二维平面上的认识:
感知机有如下几何解释:线性方程
w x + b = 0 wx+b=0 wx+b=0
对应于特征空间 R n R^n Rn中的一个超平面 S S S,其中 ω \omega ω是超平面的法