感知机#
输入为实例的特征向量,输出为实例的类别,取+1和-1;
感知机对应于输入空间中将实例划分为 正负两类的分离超平面,属于 判别模型;
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;
感知机学习算法具有简单而易于实现的优点,分为 原始形式和对偶形式;
1957年由Rosenblatt提出,是 神经网络与支持向量机的基础。
定义#
1 | f（x)=sign(w*x+b) |
几何解释： 线性方程 w*x+b，=0 对应于超平面S，w为法向量，b为截距
定义损失函数#
算法#
对偶性#
