感知机-理论心得体会

感知机1957年由Rosenblatt提出,是二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,即+1和-1。感知机对应于特征空间中将实例划分为正负两类的分离超平面。感知机学习的目的是找出将训练数据正确划分的线性分离超平面,具体的方法是使用梯度下降法尝试不断减少损失函数。---感知机是神经网络和支持向量机(SVM)的基础。

1.定义

感知机的输入空间为:为n维特征向量

输出空间为:{-1,+1}---即类别

函数为f(x)=sign(w.x+b)

参数说明:w为n维实向量,称为权值向量,b为实数,称为偏置。sign为符号函数,即


感知机的解释如下:

线性方程  w.x +b=0;对应于特征空间中的一个超平面S,其中w是超平面的法向量,b是超平面的截距。

超平面将特征空间中的点分为正,负两部分,因此S又被称为分离超平面,展示如下:

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值