机器学习:感知机模型
2017-04-02 13:29
260 查看
感知机模型
感知机模型,主要的思想是用一个函数,通过不断的调节权值和偏置的数值,将一个线性可分的集合分类感知机算法
fx=sign(w*x + b )
sign={ 1 x>=0,-1 x<0)
对于最优的w,b的值,采用了损失函数 L(w,b) = - sum (xi 属于 M ) yi(w*xi+b)
M 为错误分类点的集合
感知机学习算法包括两种 : 原始形式,对偶形式
原始形式:
min(w,b) = - sum (xi 属于 M ) yi(w*xi+b) 求出最小的w,b
通过随机梯度下降法计算
L(w,b) 的梯度
wL(w,b) = - sum (xi 属于 M )xiyi
bL(w,b) = - sum (xi 属于 M )yi
随机选取错误分点: xi yi
w =w + n xiyi
b= b + n yi n 为步长
通过迭代使期待损失函数不断减少
伪代码实现
1 选取 初值 w0, b0
2 选取 xi yi
3 yi(w* xi + b )<= 0
w = w + n xiyi
b = b+ n yi
迭代直到损失函数减少到0
对偶形式:
感知机模型: fx = sign (sum 1-n ai* yi * xi * x + b)
ai 的梯度: a = a+ n
b 的梯度 b =b + nyi n 为步长
伪代码实现:
1 选取 初值 w0, b0
2 选取 xi yi
3 yi(ai*yi* xi*x + b )<= 0
a =a + n
b = b+ n yi
迭代直到损失函数减少到0
相关文章推荐
- 机器学习之感知机(Perception)模型
- 【机器学习基础】从感知机模型说起
- 【机器学习基础】从感知机模型说起
- 机器学习模型--感知机
- 机器学习总结系列(二)——感知机模型
- 机器学习知识点(八)感知机模型Java实现
- R︱mlr包帮你挑选最适合数据的机器学习模型(分类、回归)+机器学习python和R互查手册
- 机器学习总结-生成模型
- 提高机器学习模型准确率的八大方法
- (机器学习)如何评价回归模型?——Adjusted R-Square(校正决定系数)
- 机器学习笔记六 - 朴素贝叶斯的多项式事件模型、神经网络、支持向量机的函数间隔与几何间隔
- 机器学习模型性能度量
- 美团推荐算法实践:机器学习重排序模型成亮点
- 机器学习中模型优化不得不思考的几个问题
- 机器学习与R之回归树CART与模型树M5
- 机器学习填坑:你知道模型参数和超参数之间的区别吗?
- (斯坦福机器学习课程笔记)混合高斯模型,朴素贝叶斯,混合朴素贝叶斯模型,因子分析
- 机器学习知识点(三十)LDA话题模型Java实现
- 机器学习(统计学习方法)6【第二章.感知机】
- 机器学习笔记(VI)线性模型(II)多维最小二乘法