文章目录
1.感知机模型2.感知机的学习策略1.数据集的线性可分性2.感知机学习策略
3.感知机学习算法1.原始形式-随机梯度下降法2.对偶形式
4.感知机算法收敛性证明
感知机是二类分类的线性分类模型，其输入是实例的特征向量，输出为实例的类别，属于判别模型。感知机旨在求出将训练数据进行线性划分的分离超平面，为此，导入基于误分类的损失函数，利用梯度下降法，对损失函数进行极小化，得到感知机模型。
1.感知机模型
2.感知机的学习策略
1.数据集的线性可分性
感知机一般划分线性可分数据集
2.感知机学习策略
3.感知机学习算法
1.原始形式-随机梯度下降法
2.对偶形式
对偶形式与原始形式的比较：
- 对偶形式解决了原始形式的冗余问题
- α与w的比较，空间复杂度降低
- 引入了Gram矩阵，消除了x_i
,x_j的影响，时间复杂度为O
(1)
4.感知机算法收敛性证明
P41~P43
