知识卡片
感知机用超平面分类
二分类感知机先计算 w·x−θ,其中 x 是输入特征向量,w 是权重向量,θ 是阈值。令这个值为零,就得到特征空间中的决策边界:二维时通常是一条直线,更高维时是超平面。阶跃函数根据点位于边界哪一侧输出类别,边界上的值取决于函数如何规定等号。例如权重 (1,1)、阈值 1.5 时,二元输入中只有 (1,1) 位于正侧,因而可表达“与”。一条边界无法分开非线性可分的样本,例如 XOR 的两类交错点;增加训练轮数也不能改变单个线性边界的表达能力。
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 · 2 处
- Hello World感知机,懂你我心才安息 7.8 感知机的表征能力 · 查看原书依据
对于线性不可分原子布尔函数(如“异或”操作),不存在简单的线性超平面将其区分开来
- Hello World感知机,懂你我心才安息 7.6 感知机的几何意义 · 查看原书依据
感知机可看作一个由超平面划分空间位置的识别器
参考来源
- 位置:《深度学习之美:AI时代的数据处理与最佳实践》第07章《Hello World感知机,懂你我心才安息》,7.6 感知机的几何意义(book-source:extracted/深度学习之美:AI时代的数据处理与最佳实践/_epub-src/OEBPS/Text/chapter12_0006.xhtml#txt007_7)
- 补充位置:同书 7.8 感知机的表征能力(book-source:extracted/深度学习之美:AI时代的数据处理与最佳实践/_epub-src/OEBPS/Text/chapter12_0008.xhtml#txt007_9)
- 结论依据:原文及图 7-7 用加权和为零的超平面区分两侧类别;AND 的数值是教学示例,XOR 限制在 7.7 说明。
- 原始内容:若令其等于零,即w₁x₁+w₂x₂+...+wₙxₙ−θ=0,该方程可视为一个在n维空间的超平面P。