[统计学习方法] 感知机

1.啥叫感知机?

感知机是二分类的线性分类模型。输入为实例的特征向量,输出为实例的类别。类别取值为-1,+1。 感知机会把输入的实例划分为正负两类的分离超平面,属于判别模型,感知机学习旨在求出训练数据进行线性划分的分离超平面。为此,导入基于误差分类的损失函数,利用梯度下降法对损失函数进行极小化,求的感知机模型。

2.感知机定义

                                                                        f(x) = sign(w\cdot x+b)

 其中wb分别为感知机模型参数,w叫权值或者权值向量,b叫做偏置量,w\cdot x表示wx的内积。sign为符号函数,即

                                                                       sign(x)=\left\{ \begin{matrix} +1, & x\geq 0& \\ -1, & x< 0& \end{matrix}\right.

你可能感兴趣的:(机器学习不归路)