本文深入探讨了感知机模型，包括其作为二分类线性模型的基础，如何通过梯度下降找寻最优超平面。讲解了数据线性可分性对学习策略的影响，以及随机梯度下降在感知机中的应用。重点介绍了感知机算法的收敛性，并通过实例展示了整个学习过程。
2.1 感知机模型
二分类线性模型，属于判别模型，对于误分类的损失函数最小化（梯度下降）
找超平面，通过确定两个参数和b
2.2 感知机学习策略
2.2.1 数据集的线性可分性
2.2.2 感知机学习策略
定义损失函数
误分类点到超平面的距离
针对误分类点
、
函数间隔除以模变成几何间隔
感知机找到的超平面可能不唯一，SVM是唯一的超平面
2.3 感知机学习算法
批量梯度下降算法：所有点误分类点都纳入
随机梯度下降，每次选一个误分类点。
感知机选择随机梯度下降算法
实例：
2.3.2 算法的收敛性
超平面可用这个乘积代表
483
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
