机器学习专题：浅谈感知机分类模型（一）

1.1感知机模型的经典定义

（1）感知机（perception）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，感知机对应于输入空间（特征空间）中将实例划分为正负俩类的分离超平面，属于判别模型。
（2）基本思想：导入基于分类的损失函数，利用梯度下降法对损失函数进行极小化，从而求得感知机模型。

1.2感知机模型的数学定义

(1)Perception-definition:假如输入空间（特征空间）是$X\subset R^n$，输出空间是$\gamma$={+1,-1}.输入x$\in$X表示实例的特征向量，对应于输入空间（特征空间）的点；输出y$\in$Y表示实例的类别，由输入空间到输出空间的如下函数：
$$f(x)=sign(w,x+b)$$ 称为感知机，其中，$w$和$b$为感知机的模型参数，   w \ w