1. 引言
感知器(perceptron)是比较简单的二分类器,通过对训练样本集的学习,从而得到判别函数权值的解,产生线性可分的样本判别函数。该算法属于非参数算法,优点是不需要对各类样本的统计性质作任何假设,属于确定性方法。
虽然简单,感知器算法却是支持向量机(SVM)和神经网络算法的基础,为了之后更好地学习,感知器算法必须要了解地非常清楚。接下来,就开始介绍感知器算法。
2. 感知器分类模型
给定一个训练数据集\(T = \{ ({x_1},{y_1}),({x_2},{y_3}), \cdots ,({x_N},{y_N})\} \),\({x_i} \in {R^n},{y_i} \in \{ - 1,1\} ,i = 1,2, \cdots N\),
分类模型为,
\[{h_\theta }(x) = g({\theta ^T}x + b)\]
其中θ是权值向量,x是输入向量,b是偏差,
\[g(z) = \left\{ \begin{array}{l}1{\rm{ \quad z}} \ge {\rm{0,}}\\{\rm{ - 1 \quad