今日机器学习概念:感知机模型

关键时刻,第一时间送达!

感知机模型是机器学习二分类问题中的一个非常简单的模型。它的基本结构如下图所示:

感知机的运算过程分为两个部分:线性部分非线性部分

其中, xi 是输入, wi 表示权重系数, b 表示偏移常数。感知机的线性输出为:

为了简化计算,通常我们将 b 作为权重系数的一个维度,即 w0。同时,将输入 x 扩展一个维度,为 1。这样,上式简化为:

非线性部分,引入符号函数 sign,输出为:

也就是根据 scores 值与 0 的关系进行判断:

若 scores ≥ 0,则预测为正类

若 scores

优点:感知机模型简单易懂,原理清晰,便于直观理解。

缺点:感知机模型中 sign 函数不易求导,不方便直接使用梯度下降算法来迭代求解参数 w。

扩展:将感知机模型中的非线性输出部分 sign 函数改成 sigmoid 函数就变成了逻辑回归模型。sigmoid 函数相比 sign 函数便于求导,所以逻辑回归模型是感知机模型的一种改进!

- End -

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181025G0FBUR00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券