[人工智能]python实现感知机学习算法原理

‘’’

一、感知机（perceptron）的学习：

1. 什么是感知机：是二分类的线性分类模型，输入为实例的特征向量，输出为实例的类别，取+1和-1；
2. 模型类型：感知机将对应的输入空间（特征空间）中将实例划分为正负两类的分离超平面，属于判别模型；
3. 感知机模型：感知机学习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
   对顺势函数进行极小化，求得感知机模型。

二、算法步骤：

  1.选取初值w0,b0.确定学习率（属于（0，1]）
  2.在训练集中选取数据（xi,yi）
  3.如果yi(w*xi+b)<=0,更新w,b
     w=w+学习率*yi*xi
      b=b+学习率*yi
  4.转至（2），直到没有误分类

‘’’
测试集来源李航的统计学方法中感知机学习算法的例子，需要更进一步了解该算法的可以看看这本书！

import numpy as np
import matplotlib.p

了解本专栏 订阅专栏 解锁全文 学习会员免费看 赠一年