统计学习方法(李航) 感知机 附python及sklearn实现

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$T$，输出为实例的类别$y$ 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
$$wx+b=0$$
对应于特征空间$R^n$中的一个超平面$S$，其中$\omega$是超平面的法