機器學習 - 感知器
阿新 • • 發佈:2019-01-01
機器學習- 感知器
-
二分類線性模型
當滿足: ,稱該資料集線性可分。
當資料集線性可分時,感知器可以收斂;當資料集線性不可分時,感知器不收斂,發生震盪。
-
損失函式
損失函式被構建為,所有誤分類點到超平面的總距離。
(點到線距離公式: )
即, ,
若不考慮 ,則得到
-
梯度下降更新引數
若 意味著 同號,分類正確;
若 意味著 異號,分類錯誤;應當在 時進行修正,即 位於超平面錯誤一側時調整 ,使超平面向誤分類點一側移動。
-
線性分類器的理解
-
空間劃分角度
將每個樣本中提取出的特徵視為空間中的點座標,則 是一個超平面,可以將不同類別的樣本劃分開。
當一個超平面無法區分樣本,達到最好劃分效果時,可以使用多個超平面進行劃分,每一個 都對應一個超平面。
-
模板匹配角度
將 視為模板, 代入計算後得出的值視為匹配度。
-