概览
感知机(perceptron)
- 二类分类的线性分类模型
- 输入:实例特征向量
- 输出:实例类别,取+1和-1二值
- 旨在求出分离超平面;属于判别模型
- 基于误分类的损失函数,使用梯度下降法对损失函数进行极小化
- 分原始形式和对偶形式
感知机模型
f(x) = sign(w*x+b)
- x:实例特征向量
- w:权值或权值向量
- b:偏置
几何解释
- w·x+b = 0为分离超平面(separating hyperplane)
- w是超平面法向量,b是截距
感知机学习策略
- 假设训练数据集线性可分(存在某超平面,所有正负实例点正确划分到两侧)
- 损失函数
-
误分类点到超平面距离
-
损失函数(经验风险):是参数w,b的连续可导函数
-
感知机学习算法
随机梯度下降法(stochastic gradient descent)
-
原始形式
-
对偶形式