【感知机】感知机(perceptron)模型与几何解释

感知机( perceptron )是二类分类的线性分类模型,其输入为实例的特征向量,输出为实例的类别,取+1 和-1二值。感知机对应输入空间(特征空间)中将实例划分为正负两类的分离超平面,是一种判别模型。感知机是神经网络与支持向量机的基础

感知机学习旨在求出将训练数据进行线性划分的分离超平面。
感知机学习思路:

1.导入基于误分类的损失函数

2.利用梯度下降法对损失函数进行极小化

3.代入参数得到感知机模型。
感知机学习算法分类:

原始形式、对偶形式。

目录

感知机模型

感知机的几何解释

数据集的线性可分性


感知机模型

定义 设输入空间(特征空间),输出空间。输入表示实例的特征向量,对应于输入空间的点,输出表示实例的类别,由输入空间到输出空间的函数称为感知机

w,b为参数。叫做权值或权值向量(weight vector),b叫作偏置(bias)

符号函数sign的功能是取某个数的符号

感知机模型的假设空间是定义在特征空间中的所有线性分类模型或线性分类器,即函数集合

感知机的几何解释

:对应特征空间中的一个超平面,这个超平面将特征空间划分为两个部分,称为分离超平面(separating hyperplane)

b:超平面的截距

w:超平面的法向量

数据集的线性可分性

给定一个数据集,其中,,如果存在一个超平面,能够正确地划分所有正负实例点,则称数据集为线性可分数据集(linearky separable data set),否则称其线性不可分.

下篇:【感知机】感知机(perceptron)学习策略

相关推荐
weixin_307779131 小时前
Redis Windows迁移方案与测试
c++·windows·redis·算法·系统架构
仪器科学与传感技术博士2 小时前
python:讲懂决策树,为理解随机森林算法做准备,以示例带学习,通俗易懂,容易理解和掌握
python·算法·决策树
小指纹3 小时前
cf--思维训练
c++·算法·macos·ios·objective-c·cocoa
小指纹3 小时前
河南萌新联赛2025第(四)场【补题】
数据结构·c++·算法·macos·objective-c·cocoa·图论
菜鸟555553 小时前
河南萌新联赛2025第四场-河南大学
c++·算法·思维·河南萌新联赛
竹子_234 小时前
《零基础入门AI:传统机器学习进阶(从拟合概念到K-Means算法)》
人工智能·算法·机器学习
慕y2745 小时前
Java学习第一百一十部分——CI/CD
java·学习·ci/cd
设计师小聂!5 小时前
力扣热题100------136.只出现一次的数字
数据结构·算法·leetcode
崎岖Qiu5 小时前
leetcode643:子数组最大平均数 I(滑动窗口入门之定长滑动窗口)
java·算法·leetcode·力扣·双指针·滑动窗口