李哈哈的模式识别笔记【part 3:感知器算法】
线性分类器训练的一般思路
人类的思维具有整体性和逻辑性,机器的思维擅长重复性
解区域:
线性判别函数解不唯一,而是位于一个区域,称为解区域。
=>权向量w待定,偏移量w0待定。
一般思路:
- 首先设定一个标量的准则函数,使其值能够代表解的优劣程度,标准函数值越小,说明解越符合要求。
- 通过寻找标准函数的最小值,就能找到最优的一个解,使准则函数取得极小值的增光权向量,就是最优解。
这里有必要重新认识一下线性判别函数的通式,可参照下图:
感知器算法的原理
感知器模型:
是一种最简单的神经元模型,具有多个输入和一个输出,各输入加权求和,与阈值相比较,判断是否激活输出1。
由此可见,感知器模型是一种线性分类器,可以做出二分类决策
准则函数:错分样本的判别函数值之和(Important)
寻优方式:梯度下降法,逐次寻优
不同的具体寻优