今天,我将和大家一起学习机器学习中的感知机算法。
感知机(perceptron)是二类分类的线性分类模型,其输入为实例的特征向量,输出为实例的类别,取+1和-1二值。感知机对应于输入空间(特征空间)中将实例划分为正负两类的分离超平面。因此,感知机学习旨在求出将训练数据进行线性划分的分离超平面。为此,导入基于误分类的损失函数,利用梯度下降法对损失函数进行极小化,求得感知机模型,从而实现利用得到的感知机模型对新的输入实例进行分类。
感知机算法由Rosenblatt提出,是神经网络与支持向量机的基础。下表列出了感知机与支持向量机的一些异同:
下面,我们正式进入感知机算法的学习。我们将从三个方面来学习感知机,分别是:
1、感知机模型
2、感知机的学习策略
3、感知机学习算法
首先,我们来学习感知机的模型。
如下图所示,感知机分为学习和分类两个过程。在学习过程中,对于训练数据集