感知机是神经网络里最简单的一种算法,由误分类驱动。
当正确分类时,权值矩阵不变,错误分类时候,用梯度下降法不断极小化目标函数,说得直接点,就是将权值向量的“稍微”指向误分类点。
这个方法背后的数学原理,就是梯度下降法。
总结:
只要线性可分,最终权值向量必然收敛,如果本身就不可分,那么权值向量会“震荡”,算法得不到解;
还有一个就是学习率,对应的就是梯度下降法的“步长”;
感知机是神经网络里最简单的一种算法,由误分类驱动。
当正确分类时,权值矩阵不变,错误分类时候,用梯度下降法不断极小化目标函数,说得直接点,就是将权值向量的“稍微”指向误分类点。
这个方法背后的数学原理,就是梯度下降法。
总结:
只要线性可分,最终权值向量必然收敛,如果本身就不可分,那么权值向量会“震荡”,算法得不到解;
还有一个就是学习率,对应的就是梯度下降法的“步长”;