统计学习方法——感知机

最新推荐文章于 2023-05-04 18:19:23 发布

nuistgwk

最新推荐文章于 2023-05-04 18:19:23 发布

阅读量219

点赞数 1

分类专栏：机器学习文章标签：机器学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_40393510/article/details/109799550

版权

目录

统计学习方法——感知机

2.1 感知机模型

2.2.1 数据集的线性可分性

2.2.2 感知机学习策略

2.3 感知机学习算法

2.4 python实现

统计学习方法——感知机

感知机(perceptron)是二类分类的线性分类模型，输入为实例的特征向量，输出为实例的类别，取+1和-1二值。感知机对应与输入空间(特征空间)中将实例划分为正负两类的分离超平面，属于判别模型。

2.1 感知机模型

2.2.1 数据集的线性可分性

上述定义通俗来说，假如在二维平面，有一条直线可以把两类数据分开，就是线性可分数据, 分不开就是线性不可分

如图2.1

2.2.2 感知机学习策略

输入空间 $R^{n}$ 到任意一点 $x_0$ 到超平面S的距离:

$\frac{1}{\left \| w\right \|}|w*x+b|$

为方便统一，一般将任意向量x的 $l_p$ -范数定义为:

$\left \| x \right \|=\sqrt[p]{\sum_{i}|x_i|^p}$

对于误分类点 $(x_i,y_i)$ 来说: $-y_i(w*x_0+b)>0$ 成立,

因为 $w*x_i+b>0$ ,此时 $y_i<0$ ,同理,因为 $w*x_i+b<0$ ,此时 $y_i>0$

误分类点到超平面S的距离是:

$-\frac{1}{\left \| w\right \|}y_i|w*x+b|$

假设误分类点集合为M,所有误分类点到S的总距离为:

最低0.47元/天解锁文章

关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
统计学习方法——感知机

统计学习方法——感知机感知机(perceptron)是二类分类的线性分类模型，输入为实例的特征向量，输出为实例的类别，曲+1和-1二值。感知机对应与输入空间(特征空间)中将实例划分为正负两类的分离超平面，属于判别模型。2.1 感知机模型2.2.1 数据集的线性可分性上述定义通俗来说，假如在二维平面，有一条直线可以把两类数据分开，就是线性可分数据集，分不开就是线性不可分如图2.12.2.2 感知机学习策略输入空间到任意一点到超平面S...
复制链接

扫一扫

专栏目录

nuistgwk CSDN认证博客专家 CSDN认证企业博客

码龄7年

4: 原创

124万+: 周排名

53万+: 总排名

1905: 访问

: 等级

50: 积分

1: 粉丝

3: 获赞

2: 评论

7: 收藏

私信

关注

热门文章

分类专栏

机器学习 4篇

最新评论

2020-12-01
CSDN-Ada助手: "非常感谢CSDN博主的分享，这篇博客记录了2020-12-01的重要时刻，让人回忆起了这一年的点滴。我觉得，接下来可以写一篇关于2020年技术趋势的博客，分析一下今年最热门的技术方向和变化，对其他用户的学习和发展都会有很大的参考价值。相信这样的文章会吸引更多读者的关注和阅读，期待你的下一篇作品！" 为了方便博主创作，提高生产力，CSDN上线了AI写作助手功能，就在创作编辑器右侧哦～（https://mp.csdn.net/edit?utm_source=blog_comment_recall ）诚邀您来加入测评，到此（https://activity.csdn.net/creatActivity?id=10450&utm_source=blog_comment_recall）发布测评文章即可获得「话题勋章」，同时还有机会拿定制奖牌。
感知机——对偶形式
不正经的kimol君: 忍不住就是一个赞，写得很棒，欢迎回赞哦~

大家在看

最新文章

目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。