本文详细介绍了感知机模型，包括模型结构、分类策略以及采用梯度下降法进行参数更新的过程。感知机适用于二分类问题，要求数据线性可分。损失函数的建立旨在最小化误分类点到超平面的距离，通过随机梯度下降法逐步优化模型，直至所有数据点正确分类。
一、概述
（1）模型
其中
待求参数w和b。
（2）策略
x是N维的输入数据，y是标签（+1、-1）
所有正确分类的点yf(x)>0，错误分类的点yf(x)<0
使用梯度下降法不断更新w和b的值，只要验证所有点yf(x)>0即分类完成，此时的参数就作为模型的参数值。
（3）算法
见下文。
二、主要内容
感知机属于二分类问题，输入为N维的特征向量，输出为+1或-1.
要求数据必须线性可分才能收敛。
几何描述：
以分开二位维的输入数据为例，用一条直线w*x+b=0将数据分为二类,直线的一侧为证类标记为+1，另一侧为负类标记为-1.
模型：
策略：
建立损失函数，最小化损失。
损失函数定义如下：
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
