機器學習學習筆記（2） 感知器學習演算法

機器學習學習筆記（2）---感知器學習演算法

上文所說的學習過程中，要有用來學習的資料和乙個用於學習的假設函式h。還是以發行信用卡為例，客戶的資料為輸入x， 最後的結果是要麼給該客戶辦理信用卡，要麼就不給。輸出為。

x = (x1

, x2, ... , xd

), x中不同的項代表該客戶的不同屬性。由著d個數可以計算出乙個加權的「分數」

辦理銀行卡∑d

i=1w

ixi>閾值

不給辦理∑di=1w

ixi閾值

輸出y：, 0忽略。

線性假設函式為：h(

x)=s

ign(

(∑di

=1wi

xi)−

thre

shol

d)

x)=s

ign(

(∑i=

1dwi

xi)−

thre

shol

d)=s

ign(

(∑i=

1dwi

xi)+

(−th

resh

old)







w

0∗(+

1)

x

0=si

gn(∑

i=0d

wixi

)=si

gn(w

tx)在二維平面r2

上，h(x

)=si

gn(w

0+w1

x1+w

2x2)

h(x)代表的是分割不同符號的二維平面上的線。x是平面上的點，y=，正負表示點在直線的兩側。

猜想的集合

h裡有很多h(x)，我們想得到的是g≈

f，方法是根據所給的資料d不斷調整h(x)。這種演算法就是感知器學習演算法(pla).

for t = 0, 1, ...

1.發現乙個wt

的錯誤點(x

n(t)

,yn(t))

gn(w

tx)≠

yn(t

)

2.更正錯誤wt

+1←w

t+yn

(t)x

n(t)

直到 沒有錯誤

機器學習 感知器

x x1,x 2,x3 xd y i 1d wixi bi 這裡求和出的結果就是用這些特徵計算出來的總分，如果我們假定y threshold時，最終結果為1。否則y h x s ign i 1d w ixi th resh old 這個公式稱為perceptron hypothesis。1 可以對上...

感知器學習筆記

感知器 perceptron 是一種用於線性可分資料集的二類分類器演算法。這種演算法的侷限性很大 只能將資料分為 2 類 資料必須是線性可分的 雖然有這些侷限，但是感知器是 ann 和 svm 的基礎，理解了感知器的原理，對學習ann 和 svm 會有幫助，所以還是值得花些時間的。感知器可以表示為 ...

機器學習 簡單感知器

簡單感知器由乙個線性組合器和硬限幅器 即sgn函式，判斷是正數返回1，負數返回 1 組成，線性組合器有m個輸入，m個輸入權值，乙個偏置，影象表述如下 用數學方法表述就是y wixi b,i 1,2,3 m，如果sgn y 1，則分為第一類，否則分為第二類。感知器一般只做出兩類判別。上述表示式可以簡寫...