本文主要是介绍(感知机-Perceptron)—有监督学习方法、非概率模型、判别模型、线性模型、参数化模型、批量学习、核方法，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
定义
假设输入空间（特征空间）是 χ \chi χ ⊆ R n \subseteq R^n ⊆Rn,输出空间是y = { + 1 , − 1 } =\{+1,-1 \} ={+1,−1} 。输入 x ∈ χ x \in \chi x∈χ表示实例的特征向量，对应于输入空间（特征空间）的点；输出 y ∈ y \in y∈y表示实例的类别。由输入空间到输出空间的如下函数：
f ( x ) = s i g n ( ω ⋅ x + b ) f(x)=sign(\omega \cdot x+b) f(x)=sign(ω⋅x+b)，称为感知机
其中 ω \omega ω和b为感知机模型参数：
权值（weight）或权值向量（weight vector） ω ∈ R n \omega \in R^n ω∈Rn
偏置（bias）: b ∈ R b \in R b∈R
ω 和 x 的内积： ω ⋅ x \omega和x的内积：\omega \cdot x ω和x的内积：ω⋅x
符号函数： s i g n
这篇关于(感知机-Perceptron)—有监督学习方法、非概率模型、判别模型、线性模型、参数化模型、批量学习、核方法的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
