概念
感知机是根据输入实例特征向量 x 对其进行二分类的线性分类模型:
f(x)=sign(w⋅x+b)
感知机模型对应于输入空间(特征空间)的分离超平面是 w⋅x+b=0感知机学习策略是极小化损失函数:
minw,bL(w,b)=−∑xi∈Myi(w⋅xi+b)
损失函数对应于误分类点到分离超平面的总距离, M 是误分类点集合。感知机学习算法是误分类驱动的,基于随机梯度下降法的对损失函数的最优化算法,有原始形式和对偶形式。学习过程中随机选取一个误分类点进行学习,使其梯度下降。感知机模型参数更新过成为,随机选取一个误分类点
(xi,yi) ,对 w,b 进行更新:
w←w+ηyixib←b+ηyi