1.4 高斯环境下感知器与贝叶斯分类器的关系
在高斯环境下，贝叶斯分类器退化为线性分类器。
1.贝叶斯分类器
Van Trees（1968）定义平均风险为：
(a)
其中：
=观察向量x（表示随机向量X的实现值）取自子空间
的先验概率，
，且
；
=当类
是真实的类（即观察向量x取自对应的类的子空间
）时决策为由子空间代表的类
的代价，
；
=随机向量X的条件概率密度函数，假设观察向量x取自子空间，
本文探讨了在高斯环境下，Rosenblatt感知器与贝叶斯分类器的关系。在特定条件下，贝叶斯分类器退化为线性分类器。感知器和贝叶斯分类器在决策边界、线性可分性、参数化和计算复杂性方面存在显著区别。批量感知器算法中，权值更新依赖于误分类样本的梯度。最后，指出单层感知器的局限性在多层神经网络中得以解决。
最低0.47元/天 解锁文章
1192
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
