作者：jliang

https://blog.csdn.net/jliang3

1.重點歸納

1）感知機是二分類的線性分類模型

2）經驗風險函式/損失函式, M為誤分類點

3）學習策略, M為誤分類點

4）感知機是誤分類驅動的，具體採用隨機梯度下降法求解。

5）感知機存在許多解，這些解依賴於初值的選擇，也依賴於迭代過程中誤分類點的選擇順序。

2.感知機模型

1）感知機是二分類的線性分類模型，其輸入為特徵向量，輸出為例項的類別類別（+1和-1值）。感知機旨在求出將訓練資料進行線性劃分的分離超平面，屬於判別模型。

2）感知機函式

3.感知機學習策略

1）經驗風險函式/損失函式

2）學習策略, M為誤分類點

4.感知機學習演算法

1）感知機是誤分類驅動的，具體採用隨機梯度下降法求解。

（1）任意選取一個超平面w0和b0，然後用梯度下降法不斷地極小化目標函式，極小化過程中不是一次使M中所有誤分類點的梯度下降，而是一次隨機選取一個誤分類點使其梯度下降。

（2）更新方法

損失函式導數：

引數更新：

2）學習過程

（1）選取初值w0和b0

（2）在訓練集中選取資料(xi,yi)

（3）如果，則

（4）轉至（2），直至訓練集中沒有誤分類點

3）感知機存在許多解，這些解依賴於初值的選擇，也依賴於迭代過程中誤分類點的選擇順序。

4）當訓練集線性不可分時，感知機演算法不收斂，迭代結果會發生震盪。