摘要:
Perceptron:1、一种基于监督的线性分类器,其特点是:1)模型简单,具有很少的学习参数;2)具有可视性,一条直线即可划分;3)基于人工神经网络的原理。其结构图为:2、学习的关键技术: 对于错分的点进行进行权重更新,即那些不等于1的点,使用公式进行权重更新,对于那些正确分类的点,不进行权重更新。示意图如下:此时,3、算法流程为:4、算法收敛性证明:证明cos(w*,w)<1即可。5、算法的不足和改进:1)对于线性不可分的情况,算法将不会停止。2)带权重的perceptron,为算法添加一个w的置信度c,则原来的检测函数h(x)变换为:。 阅读全文