感知机（perceptron）代码实现

最新推荐文章于 2022-07-01 11:18:53 发布

原创

最新推荐文章于 2022-07-01 11:18:53 发布 · 4.8k 阅读

·

7

·

CC 4.0 BY-SA版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

文章标签：

本文介绍了感知机作为二分类的线性模型，详细解析了其数学原理和几何解释。通过《统计学习方法》中的内容，展示了如何利用Python的sklearn库实现感知机，并在鸢尾花数据集上进行训练和测试，最终得到了高准确率的分类结果。

(书面内容参考《统计学习方法》李航）

感知机（perceptron）是二分类的线性模型，旨在求出将训练数据进行线性划分的分离超平面。

感知机模型：

假设输入空间（特征空间）是x⊆Rn，输出空间是 $y=\left \{ -1,+1\right \}$ 输入x∊x表示实例的特征向量，对应于输入空间（特征空间）的点；输出y∊ $y$ 表示实例的类别。

由输入空间到输出空间的如下函数:

$f(x) = sign\left ( w\cdot x+b \right )$

称为感知机。

其中，w和b为感知机模型参数，w∊Rn叫作权值（weight）或权值向量（weight vector），b∊R叫作偏置（bias），w·x表示w和x的内积。

$sign$ 是符号函数，即

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。