『MACHINE LEARNING』读书笔记|周志华《机器学习》|5.2神经网络感知机
来源:互联网 发布:龙之信条身材捏脸数据 编辑:程序博客网 时间:2024/06/05 18:59
写在前面
最近在看周志华的《机器学习》,看了书才知道水很深啊,算法,统计样样都有。小白看得很累,决定记点笔记,以防这之后忘了。
感知机(perceptron )
感知机是神经网络最开始雏形,是一个二类分类的线性分类模型,只有两层的神经元。周志华《机器学习》用的
说好的二类分类的线性分类模型,体现在哪?
线性分类:
输出值
但是由于上式中的
其实就是给多一个输入节点(dummy node)固定输入x=-1.
so, y可以表示为
二类分类:
二类分类的原因来源于
机器学习的书中,公式(5.1)和(5.2)我觉得不能理解。下面做做解释:
上面我们讲到
不失一般性,我们考虑两个输入
我们取两个输入的意图就是为了能在平面上表示出来。
机器学习各式各样方法最终为了达到的目的就是预测的代价函数(cost function)要最小的。这里定义感知机的cost function为感知机分类错误的点到超平面的距离。why?其实我们也可以定义为被分类错误的点的数目,但是这个值不连续。
理解不能,是吗?
想想高中时,点到线的距离
这里的
现在该解决的就是绝对值的问题了,我们令真实值为
李航的《统计学习方法》中,将distance的
最后 我们终于可以求和所有分类错误的点到超平面的距离作为代价函数:
怎么最优化代价函数达到最小值,这里利用的是随机梯度下降法(stochastic gradient descent),任意选取一个超平面
通过迭代不断减小代价函数直至为0(能够被线性分类的例子)。
说在最后
其实本文就是充其量解释了《机器学习》-周志华的公式(5.1) 和(5.2),没多大意义,记个笔记,共同学习。
还有就是欢迎各位来看看我的blog,THX.
因为CSDN是程序员的天地了,我最多在这边会上传一些统计和机器学习的学习内容,我的blog里还会有一些有关投资的学习内容。
Anyway,我在每个领域都是小白,希望共同学习。
Refrence
[1]《统计学习方法》 李航
[2]《机器学习》周志华
- 『MACHINE LEARNING』读书笔记|周志华《机器学习》|5.2神经网络感知机
- Machine Learning系列实验--感知机学习
- 『MACHINE LEARNING』读书笔记|神经网络与支持向量机的联系
- Machine Learning 机器学习
- 机器学习(Machine Learning)
- 机器学习 Machine Learning
- 机器学习(Machine Learning)
- 神经网络读书笔记:《神经网络与机器学习/Simon Haykin》第一章:感知器
- 机器学习中的神经网络Neural Networks for Machine Learning:Programming Assignment 1: The perceptron learning alg
- 机器学习中的神经网络Neural Networks for Machine Learning:Programming Assignment 2: Learning Word Representatio
- Machine Learning---感知器学习算法
- Machine Learning---感知器学习算法
- Machine Learning---感知器学习算法
- Machine Learning-感知器学习算法
- 机器学习(Machine Learning, ML)
- 机器学习(Machine Learning)简介
- 周志华《Machine Learning》学习笔记(6)--神经网络
- 周志华《Machine Learning》学习笔记(6)--神经网络
- fragment遇到getactivity为空的情况
- Pb(100) The method getType() is undefined for the type new TypeToken<List<String>>(){}
- 获取当前年份后两位
- GCC基础
- 进制转换
- 『MACHINE LEARNING』读书笔记|周志华《机器学习》|5.2神经网络感知机
- 使用nat123实现外网访问局域网中的linux主机
- Linux学习心得(一)
- bootstrap之code&grid样式
- 初识ajax
- java enum(枚举)使用详解 + 总结
- Newstart中兴Linux系统更改启动级别
- openstack 虚拟机如何修改ip地址
- 服务器部署软件系统