點擊上方“AI有道”，選擇“設為星標”

關鍵時刻，第一時間送達！

感知機模型是機器學習二分類問題中的一個非常簡單的模型。它的基本結構如下圖所示：

感知機的運算過程分為兩個部分：線性部分和非線性部分。

其中， xi 是輸入， wi 表示權重系數， b 表示偏移常數。感知機的線性輸出為：

為了簡化計算，通常我們將 b 作為權重系數的一個維度，即 w0。同時，將輸入 x 擴展一個維度，為 1。這樣，上式簡化為：

非線性部分，引入符號函數 sign，輸出為：

也就是根據 scores 值與 0 的關系進行判斷：

• 若 scores ≥ 0，則預測為正類

• 若 scores < 0，則預測為負類

優點：感知機模型簡單易懂，原理清晰，便于直觀理解。

缺點：感知機模型中 sign 函數不易求導，不方便直接使用梯度下降算法來迭代求解參數 w。

擴展：將感知機模型中的非線性輸出部分 sign 函數改成 sigmoid 函數就變成了邏輯回歸模型。sigmoid 函數相比 sign 函數便于求導，所以邏輯回歸模型是感知機模型的一種改進！

- End -

總結

以上是生活随笔為你收集整理的今日机器学习概念：感知机模型的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。