感知机与adaline算法

最新推荐文章于 2020-12-06 11:45:56 发布

逐梦_person

最新推荐文章于 2020-12-06 11:45:56 发布

阅读量2.8k

点赞数

分类专栏：机器学习算法原理与编程实践文章标签：感知机 adaline 机器学习

本文链接：https://blog.csdn.net/u014675538/article/details/77542353

版权

本文探讨了Adaline算法与感知机的原理和差异，重点指出Adaline通过定义和最小化损失函数在学习过程中的优势，并且权重更新采用线性激活函数，而非感知机的单位阶跃函数。

摘要由CSDN通过智能技术生成

原理

相对于感知机,Adaline算法有趣的多,因为在学习Adaline的过程中涉及到机器学习中一个重要的概念:定义、最小化损失函数。学习Adaline为以后学习更复杂高端的算法(比如逻辑斯蒂回归、SVM等)起到抛砖引玉的作用。
Adaline和感知机的一个重要区别是Adaline算法中权重参数更新按照线性激活函数而不是单位阶跃函数。

算法对比

感知机

import numpy as np
class Perceptron(object):

    def __init__(self,eta = 0.1,n_iter = 10):
        self.eta = eta
        self.n_iter = n_iter

    def fit(self,X