从0到1：神经网络实现图像识别（上）

其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》，清华大学出版社，雷明著，由SIGAI公众号作者倾力打造。

• 书的购买链接
• 书的勘误，优化，源代码资源

纸上得来终觉浅，绝知此事要躬行。

“神经网络”是“机器学习”的利器之一，常用算法在TensorFlow、MXNet计算框架上，有很好的支持。

为了更好的理解与使用这件利器，我们可以不借助计算框架，从零开始，一步步构建模型，实现学习算法，并在一个图像识别数据集上，训练这个模型，再验证模型预测的准确率。

首先，我们来了解一个简洁的分类模型-感知机（perceptron）模型，感知机是1957年由Rosenblatt提出的线性二类分类模型，也是人工神经网络方法的理论基石。

By the study of systems such as the perceptron, it is hoped that those fundamental laws of organization which are common to all information handling systems, machines and men inclued,may eventually understood.(探究感知机这类体系，我们有望最终理解那些基本法则，那些将”信息认知“，赋能于机器和人类的基本法则。)

- Frank Rosenblatt@Connell Aeronautical Laboratory

 

感知机模型

想像D维空间里分布着个线性可分的实例点  ，当D=3时，这个空间即是一个便于理解的三维空间，其上的任意实例点，都三个特征  、  和  ；实例点看作是3维实数向量  ，三个特征决定了实例点的二分类类别  。