1)概述
2)感知器模型
3)感知器策略
4)感知器算法
1)概述
感知机学习旨在求出将训练数据集进行线性划分的分类超平面(线性不可分的训练样例不能被感知器学习)。感知机模型是神经网络和支持向量机的基础。下面分别从感知机学习的模型、策略和算法三个方面来介绍。
2)感知器模型
f(x)= sign(w*x+b)。其中,x为输入向量,sign为符号函数。w为权值向量,b为偏置,求感知机模型即求模型参数w和b。
3)感知器策略
耗费函数定义为L(w,b)=-( y1*(w*x1+b)+...+ym*(w*xm+b) ),自己想清楚为什么这样定义耗费函数。
4)感知器算法
极小化耗费函数L(w,b)的梯度是对w和b求偏导,即:
![](https://img-my.csdn.net/uploads/201212/23/1356265788_9788.jpg)
所以,感知机学习算法如下:
![](https://img-my.csdn.net/uploads/201212/23/1356265853_5143.jpg)
该算法的收敛性和对偶形式参考原书。