1. 感知机模型是什么？有什么作用？
-
定义：感知机模型是建立将训练数据完全划分为2类的超平面。
注意：
- 由于感知机只关心将样本分开，并不关心样本x与标签y的关系，所以属于生成模型与判别模型中的判别模型。
- 如果训练数据集是线性可分的，那么感知机一定能找到那个平面。如果不是，则最后无法获得超平面，这是感知机的局限性。
-
作用：感知机模型是解决分类问题的线性模型或确定模型或参数模型。输入是实例的特征向量，输出的是实例的类别，分别是 +1 和 -1 。
2. 三要素
2.1 模型
感知机模型为：线性函数 套上一个 符号函数。
- 对于式子中符号的解释：
其中，超平面已经能将样本分开了，而将划分再进行符号化处理，是为输出分类结果服务的。- 证明为什么w是直线（高维空间下为超平面）的法向量
2.2 策略
- 损失函数：采用自定义损失函数：误分类点到超平面的总距离。
- 经验风险：
- 函数距离 与 几何距离 公式：
2.3 算法
-
目标函数是什么？答：经验风险最小化
-
怎么对目标函数求最优参数？答：采用随机梯度下降。随机梯度下降有两种形式：
- 原始形式
- 对偶形式
- 原始形式
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
文章由极客之音整理，本文链接：https://www.bmabk.com/index.php/post/84513.html
