数据挖掘学习------------------4-分类方法-4-神经网络（ANN）

4.4神经网络

它是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。

神经网络通常需要训练，训练的过程就是网络进行学习的过程。训练改变了网络节点的连接权的值使其具有分类的功能，经过训练的网络就可用于对象的识别。

1、感知器

由图可知：①几个输入结点，用来表示输入属性；②一个输出点，用来提供模型输出。

③在感知器中，每个输入结点都需要经过一个加权wi的连接到输出结点。模拟神经元间神经键连接强度。

④像生物神经系统一样，训练一个感知器模型相当于不断调整链的权值，直到能模拟训练数据的输入、输出关系为止。

⑤感知器对于输入加权求和，在减去偏置因子t，然后考察结果的符号，得到输出值Y。

例如：3个输入点，每个输入点权值都是0.3，偏置因子t = 0.4。

y = { 1，（0.3x1 + 0.3x2 + 0.3x3 - 0.4）  >  0

      {-1，（0.3x1 + 0.3x2 + 0.3x3 - 0.4） <  0

因此，感知器模型输出可以用如下数学方程式表示：

Y = sign（w1x1 + w2x2 +...+wnxn - t）

其中，wi：输入链的权值，xi：输入属性值，sign：符号函数作为输出神经元的激活函数，t：偏置因子。

因此可以更加简化为y = sign（wx - t）。

2、步骤

感知器训练阶段：

权值w不断调整指导输出和训练样例的实际输出一致，感知器具体学习算法如下：

①令 D = {（xi，yi）,i = 1,2，....N}是训练样例集。