本文介绍了感知机和线性判别分析的基本概念和应用。感知机基于错误驱动的学习思想，是前馈神经网络的基础。线性判别分析（LDA）则是一种降维方法，通过最大化类间距离和最小化类内方差来进行分类。同时，文章将感知机、LDA和支持向量机归类为线性分类的硬输出模型。
1.感知机的核心思想用四个字可定义：错误驱动
2.线性判别分析是一种不怎么用的分类算法，等价于LDA降维方法，更多用于降维
3.LDA的思想是最大化类间距离(类间散度矩阵)，最小化类内方差(类内散度矩阵)
4.感知机、线性判别分析和支持向量机都属于线性分类的硬输出模型
支持向量机、感知机和线性判别分析都是针对分类问题y={-1,+1}建模，都是硬输出模型。我们在SVM系列中已经介绍过了，这一节我们来介绍感知机和线性判别分析。
支持向量机系列：
最低0.47元/天 解锁文章
扫一扫
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
