perception感知机

感知机是用来分类
一、函数定义：y =sgn{w(t)*x+b}，其中sgn函数1、w(t)*x+b>0时为1 2、w(t)*x+b<0时为-1
二、损失函数：误分类的点到分割超平面的总距离

||w||L2范数（平方和开根号）
三、算法思想

输入：T={(x1,y1),(x2,y2)...(xN,yN)}（其中xi∈X=Rn，yi∈Y={-1, +1}，i=1,2...N，学习速率为η）
输出：w, b;感知机模型f(x)=sign(w·x+b)
(1) 初始化w0,b0，权值可以初始化为0或一个很小的随机数
(2) 在训练数据集中选取（x_i, y_i）
(3) 如果yi(w xi+b)≤0
           w = w + ηy_ix_i
           b = b + ηy_i
(4) 转至（2）,直至训练集中没有误分类点

根据经验或者随机给它一个w0,b0,然后进行调整，对于每一个误分类，都要让分类超平面向误分类方向移动
四、 多维分类
y = w1x1 +w2x2+……..+wnxn +b
每个特征x都有相应的权重