前言：本系列博客參考於 《機器學習算法導論》和《Python機器學習》 如有侵權，敬請諒解。本書盡量用總結性的語言重述本書內容，避免侵權。 上一篇已經初步介紹了機器學習相關知識，簡短介紹了機器學習的分類等等，本篇介紹其中監督學習中的分類領域下的感知器算法。 \[QAQ ...

感知器介紹 感知機（英語：Perceptron）是Frank Rosenblatt在1957年就職於Cornell航空實驗室(Cornell Aeronautical Laboratory)時所發明的一種人工神經網絡。它可以被視為一種最簡單形式的前饋式人工神經網絡，是一種二元線性分類器 ...

感知器 感知器以一個實數值向量作為輸入，計算這些輸入的線性組合，然后如果結果大於某個閾值就輸出1 ，否則輸出-1 。 更精確地，如果輸入為x，那么感知器計算的輸出為： 其中每一個w i 是一個實數常量，或叫做權值（weight ），用來決定輸入xi 對感知器輸出的貢獻率。 請注意 ...

概括 Perceptron(感知器)是一個二分類線性模型，其輸入的是特征向量，輸出的是類別。Perceptron的作用即將數據分成正負兩類的超平面。可以說是機器學習中最基本的分類器。 模型 Perceptron 一樣屬於線性分類器。 對於向量\(X={x}_1,{x}_2,...{x}_n ...

第一講中我們學習了一個機器學習系統的完整框架，包含以下3部分：訓練集、假設集、學習算法 　　一個機器學習系統的工作原理是：學習算法根據訓練集，從假設集合H中選擇一個最好的假設g，使得g與目標函數f盡可能低接近。H稱為假設空間，是由一個學習模型的參數決定的假設構成的一個空間。而我們這周就要學習一個 ...

1.機器學習的基本概念： 三種主要的學習方式： 監督學習：使用有類標的訓練數據構建模型，即在訓練過程中，所有的數據都是知道它的類別的。通過構建的這個模型對未來的數據進行預測。在監督學習的下面，又可以分為分類（利用分類對類標進行預測 ...

（1）感知器模型 　　感知器模型包含多個輸入節點：X0-Xn，權重矩陣W0-Wn（其中X0和W0代表的偏置因子，一般X0=1，圖中X0處應該是Xn）一個輸出節點O，激活函數是sign函數。 　　（2）感知器學習規則 　　 　　輸入訓練樣本X和初始權重向量W，將其進行向量的點乘，然后將點 ...

3.6感知器算法 出發點 　　一旦判別函數的形式確定下來，不管它是線性的還是非線性的，剩下的問題就是如何確定它的系數。 　　在模式識別中，系數確定的一個主要方法就是通過對已知樣本的訓練和學習來得到。 　　感知器算法就是通過訓練樣本模式的迭代和學習，產生線性（或廣義線性）可分 ...