统计学习方法读书笔记:感知机

什么是感知机

二分类的线性分类模型,输入是实例的特征向量,输出是实例的类别,取-1和+1两值。

感知机对应于输入空间(特征空间)中将实例划分为正负两类的分离超平面,属于判别模型。

感知机是神经网络和支持向量机的基础。

 

模型的使用条件

数据集需要是线性可分的,同时,如果数据集是线性可分的话,经过一定的迭代次数一定可以得到一个感知机模型,将正负例分离开。

 

损失函数的定义

一个自然的选择是误分类点的总数,但是这样的损失函数不是参数w和b的连续可导函数,不易于优化。

感知机所采用的损失函数为误分类点到超平面S的总距离。

统计学习方法读书笔记:感知机_第1张图片

 

 

学习算法

感知机学习问题转化为求解损失函数的最优化问题。

最优化的方法为随机梯度下降。

(1)任意选择一个超平面w0和b0;

(2)梯度下降不断地极小化目标函数,极小化的过程中每次只随机地选择一个误分类点使其梯度下降。

 

转载于:https://www.cnblogs.com/harrygogo/p/4645634.html

你可能感兴趣的:(数据结构与算法,人工智能)