感知器,
适用性的线性神经元
使用Python的开发库:Pandas,Numpy,matplotlib:进行读取加工可视化
从交叉部分即神经末梢进行输入,在细胞核进行统一运算,然后通过轴突 传递到末尾,通过末尾的分叉传递到其他神经元
x:电信号 w:弱化系数(权重向量),表示神经元分叉部分对信号弱化的向量 x1->w1:从第一个管道传输时伴有的弱化 z:细胞核将全部电信号整合在一起
激活函数,又称单元步调函数 当z的值大于等于阈值时发送1,小于某阈值时发送-1 类似一个分类的函数,通常此函数比较复杂
矩阵的转置:
有了权重向量w,和训练样本x
简化步调函数
添加w0和x0从而将判断直接转换为判断z的正负
更新后的权重w:
更新的增量:
y指的是输入的正确分类,y’感知器输出的分类 即如果分类正确,那么整个增量为零,分类错误才需要调整 系数n:模型的学习率,0~1,人为经验参数,需要使用者根据具体情况不断手动调整
得到了错误分类:
进行调整:
调整完成:
阈值更新:
预测数据可以线性分割,不是A就是B
不适用于线性不可分割的数据
初始化训练样本x 初始化权重向量w 做点积 在步调函数/激活函数中进行判断 判断正确则输出,错误则更新权重w 做点积 在步调函数/激活函数中进行判断 判断正确则输出,错误则更新权重w … … … … … …