下载掌阅APP，畅读海量书库
立即打开
本章概要
1．感知机是根据输入实例的特征向量 x 对其进行二类分类的线性分类模型：
感知机模型对应于输入空间（特征空间）中的分离超平面 w · x + b =0。
2．感知机学习的策略是极小化损失函数：
损失函数对应于误分类点到分离超平面的总距离。
3．感知机学习算法是基于随机梯度下降法的对损失函数的最优化算法，有原始形式和对偶形式。算法简单且易于实现。原始形式中，首先任意选取一个超平面，然后用梯度下降法不断极小化目标函数。在这个过程中一次随机选取一个误分类点使其梯度下降。
4．当训练数据集线性可分时，感知机学习算法是收敛的。感知机算法在训练数据集上的误分类次数 k 满足不等式：
当训练数据集线性可分时，感知机学习算法存在无穷多个解，其解由于不同的初值或不同的迭代顺序而可能有所不同。