数据集是“线性可分的”:即可以找到一个超平面,将数据集按类别分开。
感知器学习通俗解释(链接:https://www.zhihu.com/question/21636295/answer/286999321):
假设你今天去相亲,从身材和相貌两个方面对你的相亲对象打分(5分制)。第一个女生身材和相貌中等,你给她身材打3分,相貌打3分;第二个身材比较不错(4分),相貌中等(3分);第三个你给身材1分,相貌1分。
你比较中意第一个和第二个女生(正的),不中意第三个(负值)。
我们现在想办法建立一个对应的感知器模型
试一试。
我们已知,第一个美女 ,第二个美女
,第三个美女
. 其中,
和
为正值(
和
),
为负值(
)。
第一步,我们设 ,
;
第二步,对于 ,计算
(注,这里的
就是向量的点乘,也就是
),计算得到结果为0(要求
大于0),结果没有被正确分类,我们根据下式更新
(我们设学习效率
):
3 ← 0+1*1*3
1 ← 0+1*1
得到 ,
.
第三步,根据更新的 ,计算得
,
被误分了。
为此我们需要根据 更新
然后再验证,循环这个过程,直到所有的
最终可以得到, ,
.
也就是,最终的模型
这个模型的作用就是,你给相亲对象打完分,模型会猜出来你中不中意这个女生,是不是很神奇。
如果你给相亲对象打完分,这个模型猜错了你中不中意,那么模型还可以根据你的结果,继续修正。
原文:https://www.cnblogs.com/bingws/p/10662865.html