1.感知机概念
感知机学习算法很简单,易于实现,一步一步看完就自然懂了。1.1感知机简介
Perceptron,感知机。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,类别值取值范围={+1, -1},即Perceptron(x) = -1 或者+1
感知机对应于输入空间中将实例划分为正负两类的分离超平面,即平面一侧的实例为正实例,平面另一侧的实例就是负实例。可以知道,感知机是判别模型,即给感知机一个实例,它返回的结果会告诉你,这个实例是正实例,还是负实例,是正实例感知机就返回数值+1,如果是负实例感知机就返回-1,就这么简单。
感知机使用基于误分类的损失函数,即损失函数返回值就是你输入实例集被判别后判别错误的个数。感知机利用梯度下降法对损失函数进行极小化。
感知机是神经网络和支持向量机的基础。
1.2感知机定义
f(x) = sign(w*x + b),称为感知机
其中x为输入空间,f(x)为输出空间,f(x)∈{+1, -1},w和b为感知机模型参数&#