知识卡片
感知机的决策分界
感知机的学习过程就是寻找类别决策分界:特征为两个时在平面找一条直线,三个时在空间找一个平面,N个时在N维空间找一个N-1维超平面。具体步骤是先随机设一条直线,再找一个误分类点,调整权重与偏置让直线向该点移动,反复迭代直到全部分类正确。为避免过度迎合单个点而制造更多误差,用误分类点到直线的总距离作为损失函数,并以梯度下降求其最小值。边界是超平面并不唯一,结果受初始值与误分类点选择顺序影响。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 模拟人类思考过程:神经网络 7.2.1 基础感知机原理 · 查看原书依据
换成距离的概念,就变成了使得误分类点距离直线的总长度最小,这样才能确保训练得到的模型最接近真实模型。因此我们把误分类点到直线的总距离定义为一个损失函数,感知机的目标就是求出损失函数的最小值。
参考来源
- 位置:《产品经理进阶:100个案例搞懂人工智能 (林中翘)》第7章《模拟人类思考过程:神经网络》(源文件:`../../book-sources/extracted/产品经理进阶:100个案例搞懂人工智能 (林中翘)/_epub-src/OEBPS/text00012.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292)
- 结论依据:原文用二维直线、三维平面到N维超平面的递进说明决策分界,并把误分类点总距离定义为损失函数、用梯度下降求极小,支撑了上述学习机制。
- 原始内容:换成距离的概念,就变成了使得误分类点距离直线的总长度最小,这样才能确保训练得到的模型最接近真实模型。因此我们把误分类点到直线的总距离定义为一个损失函数,感知机的目标就是求出损失函数的最小值。