本文介绍了基于感知机的人名性别预测系统的实现，详细阐述了感知机的基础知识，包括模型结构、训练数据、损失函数和学习算法。在项目实践中，通过特征函数将名字转化为特征向量，训练模型并在测试集上取得了80%的准确率。后续工作提出了投票感知机的改进方法，以解决线性不可分问题。
文章目录
一. 感知机基础知识：
如上图所示，感知机模型是一个线性二分类模型，可以将线性可分的特征向量映射为+1 / -1的二值分类结果。下面具体介绍此过程：
1. 模型结构：
设输入与输出：
χ ⊆ R n , γ ⊆ { + 1 , − 1 } ; \chi \subseteq \mathbb R^n,\gamma\subseteq \{+1,-1\}; χ⊆Rn,γ⊆{ +1,−1};
x ∈ χ , y ∈ γ ; x\in \chi,y \in \gamma ; x∈χ,y∈γ;
则感知机模型表示为：
y = f ( x ) = s i g n ( w x + b ) ， y = f(x)=sign(wx+b)， <
最低0.47元/天 解锁文章
3557
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
