自適應線性神經元和梯度下降

一、自適應線性神經元和學習積聚   這一節我們會了解單層神經網絡的一種形式：自適應線性神經元（Adaline）。   這個算法的有趣之處在於它闡述了定義和最小化損失函數的關鍵概念，這位後面許多機器學習分類算法，如邏輯迴歸，支持向量機和迴歸模型等打下了基礎。 自適應線性神經元和感知機的關鍵差別在於權重的更新是根據線性激活函數而不是感知機裏的單位階躍函數。在Adaline中，這個線性激活函數 ϕ (

>>阅读原文<<