感知機學習總結

感知機是根絕輸入變量的特徵值進行二類分類的線性分類模型    感知機對應於輸入空間的中的分離超平面w*x+b=0 感知機的策略是極小化損失函數    損失函數就是誤分配函數到超平面的總距離 感知機學習算法是基於梯度降低法的對損失函數的最優化算法,有原始形式和對偶形式兩種 當訓練數據可分的時候,感知機學習算法是收斂的。錯誤分類錯誤是有限的,通過有限次搜索能夠找到將訓練數據徹底分開的超平面。當訓練數據
相關文章
相關標籤/搜索