有勇氣的牛排
官網(wǎng)：https://www.920vip.net/

感知機模型

（1）二分類問題

（2）線性可分的

（3）感知機模型三要素（假設(shè)空間，策略，算法）

感知機對應(yīng)于輸入空間（特征空間）中將實例劃分為正負(fù)兩類的分離超平面，屬于判別模型

由輸入空間到輸出空間如下函數(shù)，使用符號函數(shù)可以區(qū)分開兩個類別的輸出。

由輸入空間到輸出空間如下函數(shù)，使用符號函數(shù)可以區(qū)分開兩個類別的輸出。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-nc4TDo0U-1624286574320)(image-20210621222337458.png)]

感知機實際上就是一個超平面將空間劃開兩部分。

策略

定義：（經(jīng)驗）損失函數(shù) 并將損失函數(shù)極小化

感知機采用的損失函數(shù)是誤分類點到超平面S的總距離，當(dāng)極小化，總距離=0時，誤分類點總數(shù)為0，即達(dá)到期望目標(biāo)。

因此損失函數(shù)定義為

算法

常用 梯度下降法

具體算法采用的不是批量梯度下降，而是隨機梯度下降。
在隨機梯度下降時，每次隨機選取一個誤分類點使其梯度下降。
這種梯度下降方法在后面被證明了是可以在一定時間內(nèi)完成的。

算法流程：

算法分析案例

參考：
https://blog.csdn.net/red_stone1/article/details/80491895

總結(jié)

以上是生活随笔為你收集整理的感知机学习的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。