机器学习笔记 - 感知机
感知机模型
- 感知机（perceptron）是二类分类的现行分类模型，输入为实例的特征向量，输出为实例的类别（-1,1）。
- 感知机对应于输入空间（特征空间）中的一个分离超平面，这个分离超平面将实例划分为正负两类，属于判别模型。
- 感知机的学习旨在求出将训练数据进行线性划分的分离超平面，为此导入基于误分类的损失函数，利用梯度下降法对损失函数进行极小化，求得感知机模型。
- 感知机是神经网络与支持向量机的基础。
感知机模型
其中x为特征向量，w和b为感知机模型的参数。
感知机的几何解释：线性方程
对应特征空间 中的一个超平面S，w为超平面的法向量，b为超平面的截距。这个超平面将特征空间划分为两个部分，隐藏称为分离超平面。
参考文章：