机器学习和感知器
机器学习是一种人工智能的分支领域，它通过使用统计学和算法来使计算机系统能够从数据中学习和改进，而无需明确地进行编程。感知器是机器学习中的一种简单的算法模型，它模拟了神经元的工作原理，用于二分类问题。
机器学习的分类：
- 监督学习：通过已标记的训练数据来训练模型，然后用于预测未标记数据的类别或值。
- 无监督学习：使用未标记的数据来训练模型，从中发现数据的模式、结构或关系。
- 强化学习：通过与环境的交互来学习最优行为策略，通过奖励和惩罚来调整模型。
机器学习的优势：
- 自动化决策：机器学习模型可以自动从数据中学习并做出决策，减少了人工干预的需求。
- 高效处理大数据：机器学习可以处理大规模的数据集，从中提取有用的信息和模式。
- 持续改进：机器学习模型可以根据新的数据进行持续改进和优化，以适应不断变化的环境。
机器学习的应用场景：
- 图像和语音识别：机器学习可以用于图像和语音识别，如人脸识别、语音助手等。
- 自然语言处理：机器学习可以用于文本分类、情感分析、机器翻译等自然语言处理任务。
- 推荐系统：机器学习可以根据用户的历史行为和偏好，为其推荐个性化的产品或服务。
- 欺诈检测：机器学习可以通过分析用户的行为模式，检测潜在的欺诈行为。
- 医疗诊断：机器学习可以辅助医生进行疾病诊断和预测，提高诊断准确性。
腾讯云相关产品和产品介绍链接地址：
- 机器学习平台（https://cloud.tencent.com/product/tiia）：提供了一站式的机器学习开发和部署平台，支持图像识别、语音识别等多种应用场景。
- 自然语言处理（https://cloud.tencent.com/product/nlp）：提供了文本分类、情感分析、机器翻译等自然语言处理的API和工具。
- 推荐系统（https://cloud.tencent.com/product/rec）：提供了个性化推荐的解决方案，帮助企业构建高效的推荐系统。
- 欺诈检测（https://cloud.tencent.com/product/fraud-detection）：提供了欺诈检测的解决方案，帮助企业识别和预防欺诈行为。
- 医疗影像AI（https://cloud.tencent.com/product/miai）：提供了医疗影像诊断的解决方案，帮助医生提高诊断准确性。
请注意，以上只是腾讯云提供的一些相关产品和解决方案，其他云计算品牌商也提供类似的产品和服务。
相关·内容
2回答
我是B.Sc毕业生。我的课程之一是“机器学习入门”，我一直想在这门课上做一个个人项目。
我最近听说了不同的人工智能训练来玩游戏，如马里奥，围棋等。
为了训练一个简单的人工智能程序来玩游戏，我需要获得什么知识？对于初学者来说，你推荐什么游戏？
这是我目前在机器学习中所知道的-
课程介绍和机器学习。K-最近邻算法和K-均值算法
统计推断
高斯混合模型(GMM)与期望最大化
可能是近似正确的模型，包括泛化界和模型选择。
基本的超平面算法:感知器和Winnow。
支持向量机(SVM)
核粒
促进弱学习者向强学习者学习: AdaBoost
边缘-感知器
回归
PCA
决策树
决策树修剪与随机林
浏览 0提问于2017-01-04得票数 9
回答已采纳
1回答
感知器用于分类
、、、
我正在学习机器学习中感知器的概念，以及它是如何用于分类的。我知道感知器可以对线性可分且具有布尔分类的数据进行分类。但是，有两个以上的类可以用于数据，我需要使用这些数据构建一个模型。在这种情况下可以使用感知器吗？
浏览 8提问于2016-10-23得票数 0
回答已采纳
1回答
我看过的每一个感知器收敛性证明都隐含地使用了一个学习速率= 1。
然而，我正在使用的书(“机器学习与Python")建议使用一个小的学习速度的收敛原因，但没有提供任何证据。
有人能解释学习速度是如何影响感知器收敛的吗?在实践中，学习速度的价值应该是什么？
浏览 0提问于2018-02-16得票数 3
1回答
有哪些机器学习分类器在学习阶段后提供权重向量？我了解支持向量机、logistic回归、感知器和LDA。还有别的吗？
我的目标是使用这些权重向量来绘制一个重要性图。
浏览 2提问于2015-06-15得票数 4
回答已采纳
2回答
在机器学习中，感知器是一种对二进制分类器进行监督学习的算法。二进制分类器是一种函数，它可以判断输入是否属于某一特定类，输入由数字向量表示。
在wiki页面上，问题部分包括回归，没有更多解释。
📷
可用于回归的感知器吗？
浏览 0提问于2019-06-09得票数 5
我以前用来解释线性可分数据。我还在读米切尔的机器学习书，我很难理解为什么感知器规则只适用于线性可分离的数据？
Mitchell对感知器的定义如下：
也就是说，如果加权输入之和超过某个阈值，则y为1或-1。
现在，问题是确定一个权重向量，使感知器为每个给定的训练示例产生正确的输出(1或-1)。实现这一目标的一种方法是通过感知器规则：
学习一个可接受的权重向量的一种方法是从随机权值开始，然后迭代地将感知器应用于每个训练示例，当感知器的权重错误分类时，修改感知器的权重。这个过程被重复，根据需要反复重复训练示例，直到感知器正确地对所有训练示例进行分类。根据感知器训练规则在每一步修改权重，根据该
浏览 2提问于2012-12-21得票数 3
回答已采纳
2回答
我是机器学习的新手。我编写了这段代码，用于训练感知器，以便使用感知器训练规则学习布尔AND函数。
感知器永远不会学习正确的权重。输入(1，-1)和(-1，1)的误差使得权重在0.7999999999999999，0.20000000000000004和0.7，0.300000000000000之间振荡，这很明显，如下所示
For input 1, -1
target output - output given = 0-1 = -1
w1 = w1 + n*(t-o)*1 = w1 - n
w2 = w2 + n*(t-o)*(-1) = w2 + n
for input -1, 1
浏览 1提问于2015-11-28得票数 1
1回答
scikit学习平均感知器分类器
、、、、
我是一个机器学习的新学习者，我想做一个只有几个属性的两类分类。通过在网上的研究，我了解到两类平均感知器算法对于线性模型下的两类分类是很好的。
然而，我一直在阅读Scikit-learn的文档，我有点困惑是否Scikit-learn提供了一个平均感知器算法。
我想知道sklearn.linear_model.Perceptron类是否可以通过正确设置参数来实现为两类平均感知器算法。
我非常感谢你的帮助。
浏览 6提问于2017-12-06得票数 2
回答已采纳
1回答
感谢您的阅读。
我目前正在读汤姆·米切尔的机器学习(我是ML的初学者)，我正在读关于感知器的第四章。我对这段话感到很困惑：
📷
我理解和，但我仍然不确定如何或可以被代表。
例如，如果输入是：
X_1 = +1
X_2 = -1
在这种情况下，用他的逻辑作为OR，我们最终会得到感知器实际上输出-1，因为：
1*0.5 + -1*0.5 - .3 = -.3
这个函数会给我们一个负数。关于OR函数他错了吗？单个感知器如何充当OR？
谢谢!
浏览 0提问于2018-12-17得票数 2
回答已采纳
1回答
我是机器学习的新手，正在学习如何编写感知器。 重边函数的导数是多少？对于上下文，我使用感知器作为伪SVM，这样我就可以对数据点进行分类。 我假设它是0，但是基于教程，我看到人们使用1。为什么这是有效的。另外，有没有可能使用sigmoid类型的激活函数，然后通过重边函数传递输出，因此我可以求sigmoid的导数？ 谢谢。
浏览 273提问于2020-07-14得票数 0
6回答
我是机器学习方面的新手。我的问题是制作一台机器，根据学生的位置和感兴趣的领域为他选择一所大学。即应选择与学生地址相同的城市内的大学。我对算法的选择感到困惑我可以使用感知器算法来完成这项任务吗？
浏览 0提问于2013-03-08得票数 3
我正在尝试用Java实现一个神经网络。我在学习神经网络时，在我的机器学习课本中遇到了这个问题：
为了给出一些背景知识，这一部分讨论了使用单个感知器进行分类。感知器计算一个简单的函数，该函数是输入的加权和。让我们调用此函数的输出f(x)。然后，sigmoid函数接受f(x)作为输入。这是教科书中的一句话：
The output of the sigmoid function may be interpreted as the posterior
probability that the input x belongs to a certain class.
为什么sigmoid函数的输出被解释
浏览 2提问于2014-02-26得票数 2
3回答
我把脚趾伸进神经网络，从一些基本的感知器开始。在一段视频中，这个家伙正在解释如何制造一台机器来“学习”如何区分两个数组。他解释了训练过程，但只是把他所有的输入和重量都塞进乙状结肠功能。我对sigmoid函数做了一些研究，并想知道它为什么被用于机器学习，以及为什么程序员使用它来测试他们的输入。
浏览 1提问于2019-05-27得票数 4
回答已采纳
我的机器学习教科书提出了这个问题，讨论了感知器算法，但我真的想不出一个令人满意的答案。
有哪些案例？
浏览 1提问于2012-09-29得票数 0
1回答
我相信感知器学习算法对于线性可分数据的迭代次数有一个上限。我想找到确切的公式来帮助我找出迭代的次数，但维基百科上却没有。
我在网上读到这个实体取决于数据样本的数量，所以如果我有n个(比如说5000个)样本，那么感知器需要多少次迭代才能收敛(假设数据是线性可分的)。还是它不那么简单，取决于数据本身？
对于机器学习来说，这是一个非常新的问题，因此是一个简单的问题。
浏览 1提问于2017-02-11得票数 2
回答已采纳
如果我在这里错了，请纠正我，但是可以使用1层网络实现最少3门(NAND，OR)->(和)的XOR函数。但是，是否有可能正确地训练网络，让每个感知器只使用一个阈值激活函数和感知器训练规则？即使用感知器学习规则，而不是增量学习规则。
到目前为止，理论上我唯一的解决方案是在形成实际网络之前单独训练每个感知器来完成它们的特定任务(即NAND或和和)，但这就违背了学习网络的意义。
浏览 1提问于2013-08-05得票数 1
回答已采纳
我正在学习机器学习，我看到一些材料表明MLP (多层感知器)可能会陷入局部极小值。我想通过做一些实验来学习，但是我在网上搜索了一些具体的例子，但是找不到任何东西。有人能告诉我在哪里能找到我可以复制的例子吗？
浏览 3提问于2016-11-28得票数 1
回答已采纳
我发现一本书中感知器的丢失功能就是这样的。
L(w,b) = - \sum\limits_{x_i \in M}y_i(wx_i+b)
在机器学习丢失函数的上下文中，将x_i放在求和符号的底部是可以接受的吗？
浏览 0提问于2019-06-09得票数 2
回答已采纳
3回答
感知器学习算法的参数整定
、、、
我遇到了一个问题，试图找出如何为我的感知器算法调优参数，这样它就能在看不见的数据上表现得比较好。
我已经实现了一个经过验证的工作感知器算法，我想找出一种方法来调整迭代次数和感知器的学习速度。这是我感兴趣的两个参数。
我知道感知器的学习速度并不影响算法是否收敛和完成。我正在试图掌握如何改变n。太快，它会旋转很多，太低，它将花费更长的时间。
至于迭代次数，我不完全确定如何确定一个理想的数。
无论如何，任何帮助都将不胜感激。谢谢。
浏览 5提问于2010-05-04得票数 11
1回答
Weka多层感知器归一化值的提取
、、、、
我有一个机器学习方案，在这个方案中，我使用来自Weka的java类在matlab脚本中实现机器学习。然后，我将分类器的模型上载到数据库，因为我需要在不同的机器上使用不同的语言(obj-c)执行分类。网络的评估对于编程来说是相当简单的，但我需要WEKA在训练之前用来归一化数据集的值，以便我可以在以后的网络评估中使用它们。有人知道如何获得weka用于训练多层感知器网络的归一化因子吗？我更喜欢用Java来回答。
浏览 0提问于2013-08-22得票数 0
我正在学习感知器和神经网络。我知道感知器只能对线性可分的数据进行分类。这是否意味着他们只能在二维空间中对数据进行分类？任何见解都会受到赞赏。
浏览 0提问于2019-02-05得票数 0
回答已采纳
1回答
我是mlpy库的新手，正在寻找实现句子分类的最佳方法。我正在考虑使用mply Basic感知器来做这件事，但据我所知，它是使用预定义的向量大小，但我需要在机器学习期间动态增加向量的大小，因为我不想创建一个巨大的向量(所有英语单词)。我实际上需要做的是获得一个句子列表，并从这些句子中构建一个分类器向量，然后当应用程序将获得新句子时，它将尝试将其自动分类到其中一个标签(监督学习)。
任何想法、想法和例子都会很有帮助，
谢谢
浏览 0提问于2014-07-19得票数 1
我是机器学习方面的新手，我现在正在做一个使用深度学习的项目。该项目与文本一起工作，更具体地说，它是一个URL二进制分类。我使用python作为语言，py魅力作为IDE，我现在被建议应用多层感知器MLP算法，但是，我不确定这是否是我的工作应用的正确算法。如有任何建议，敬请见谅。最诚挚的问候..。
在开始之前，我正在寻求一个建议。
浏览 5提问于2022-03-25得票数 0
回答已采纳
3回答
我是机器学习和python编程的新手，我想从零开始实现算法，只使用numpy，这是linnerud数据集上的感知器学习规则。
如果感知器不收敛，将需要运行1000次迭代，还需要使用所有3个属性在Linnerrud数据集上测试此算法，并且仅测试chinups结果。
需要将向量定义为向上向上结果的二进制类，如下所示：
if(chinups>median(chinups)) then chinups=0 else chinups=1
我需要使用这些类(0/1)来训练感知器并构建概率表。最后，我需要感知器输出的20个预测值，每个值都是一个加权和(感知器的权重与属性值的点积)
我得到的似乎是不正确
浏览 3提问于2019-11-01得票数 2
2回答
这是对深度学习算法和机器学习算法(如递归神经网络、多层感知器或支持向量机)进行调整时经常出现的一个普遍问题。
当我们调整一个深度学习模型的超参数时，每一个可能的超参数组合都会导致一个不同的模型。并根据损失曲线选择了最优组合。什么是超参数的最佳组合？
我的问题正是这样:有无限多的超参数组合可能。我们知道，有许多可能的超参数配置可能会产生类似的泛化错误。模型选择决策应基于什么？我怎么知道我已经跌到了谷底，没有其他超参数的组合能给我带来更好的结果？
浏览 0提问于2018-06-10得票数 2
1回答
我想用scikit-learn建立一个深信度网络。正如我所知，我们应该单独训练许多受限的Boltzmann机器(RBM)。然后应该创建一个多层感知器( MLP )，其层数与( RBMs )的层数相同，而MLP的权重应该用RBMs的权重来初始化。然而，我无法找到从scikit获得RBMs权重的方法--学习的BernoulliRBM。此外，它似乎也不是一种方法，也初始化一个MLP的权重在科学工具包-学习。
有办法像我说的那样做吗？
浏览 1提问于2014-04-22得票数 0
回答已采纳
def plot_decision_regions(X, y, classifier, resolution=0.02):
# setup marker generator and color map
markers = ('s', 'x', 'o', '^', 'v')
colors = ('red', 'blue', 'lightgreen', 'gray', 'cyan')
cmap = Liste
浏览 9提问于2017-06-09得票数 8
1回答
我已经开始和Tensorflow和Keras一起学习ANNs了。现在，我想找到一个在Hadoop上使用ANNs的解决方案。我已经了解到，Spark2.0确实有一个多层感知器分类器，但据我所见，它与TF和Keras相比相当“原始”(只有前馈类型和隐层/输出层激活函数是硬连线的)，没有广泛的优化器、成本函数、体系结构类型等。
对于大规模的神经网络，是否有竞争的替代方案？当然，我可以用亚马逊的强大，GPU驱动的机器，但这些也不是并行的框架.
浏览 0提问于2016-10-31得票数 1
1回答
我正在读汤姆米切尔的机器学习书，他提到感知器训练规则的公式是
哪里
*培训率
预期产出
*实际产出
*输入
这意味着如果
是非常大，所以也是
，但我不明白大规模更新的目的是
是大的
相反，我觉得如果有一个大的
那么更新应该是很小的，因为
将导致最终输出发生重大变化(原因是
)
浏览 1提问于2018-05-20得票数 1
回答已采纳
1回答
我正在使用NeurophStudio，我正在尝试训练网络来学习它的功能：
如果x< 0.3，则f(x) =0|如果x> 0.3，则F(X)= 0.7
你知道我能不能用神经元网络来做这件事，如果是的话，该怎么做？我试着使用感知器和多层感知器，但还没有成功。
谢谢，安德烈
浏览 0提问于2013-03-16得票数 1
1回答
最近我开始学习模式识别，我对感知器算法非常感兴趣。但有时我听到其他学生谈到感知器网络，这是一种神经网络。它们之间的关系是什么？
浏览 2提问于2014-02-14得票数 0
我有一个标准的前馈反向传播神经网络，我想训练能够识别一个蓝色的球。我有30张照片，20张没有球，10张没有，我的第一个问题是，这是否足够，我假设它比少一些更好，但最好知道是否有最低限度的种类。每幅图像的宽度为96像素，宽128像素，因此RGB的总倍数为12 288像素，这在我的输入层提供了36,864个感知器。因为我只需要知道一个图像是否包含蓝色的球，所以我有一个输出感知器。网络中的所有感知器都使用逻辑激活功能。在我的隐藏层中，我尝试了很多不同数量的隐藏单元，从100到3000不等，但它们似乎都没有工作，网络要么说MSE足够低，可以在1次迭代后停止，要么网络永远无法达到所需的MSE，并且由于训
浏览 2提问于2011-09-26得票数 2
回答已采纳
我搞不懂为什么具有多类别分类的感知器(例如，具有三个输入和两个输出单元(没有隐藏层))不能用于解决XOR问题？这是真的吗？
此外，我使用sigmoid激活函数实现了一个具有三个输入单元和一个输出单元的感知器，它似乎学习了XOR函数。但文献似乎说，这是不可能的。我是不是遗漏了什么？
浏览 0提问于2015-07-09得票数 1
1回答
感知学习规则
、、
我是机器学习和数据科学的新手。通过花一些时间在网上，我能够相当好地理解感知器学习规则。但我仍然不知道如何将它应用于一组数据。例如，我们可能分别有以下x_1、x_2和d值：-
\begin{align}&(0.6 , 0.9 , 0)\\ &(-0.9 , 1.7 , 1)\\ &(0.1 , 1.4 , 1)\\ &(1.2 , 0.9 , 0)\end{align}
我想不出怎么开始。
我认为我们需要遵守这些规则。
W_i = W_i + \Delta W_i
\Delta W_i = \eta(d_i - y_i)
\text{ If} y_i
浏览 0提问于2019-02-07得票数 3
1回答
从一周开始，我尝试做一个只有一层的感知器神经网络(用Java编写)。我使用一个函数Heavyside来计算神经元的退出，并使用Widrow-Hoff算法进行机器学习。我的问题是，在学习之后，我给我的电脑举了一些例子，有时他回答正确，有时他回答得不好。所以我的问题是：“有没有可能一台电脑，在学习之后，他给了我一个糟糕的答案？”
举个例子，我给出这个:1 and 1=？
第一次，他给我: 1，第二次: 0，第三次:1
浏览 2提问于2016-09-29得票数 1
2回答
潮汐预报器建模
、、
我刚刚开始学习机器学习模型，如直线，岭回归，感知器，逻辑回归，梯度下降，我看不出这些模型中的任何一个可以用来解决这个建模问题？有没有人能给我一个提示，告诉我该用什么？由于问题的周期性，我倾向于搜索时间序列，然而，这似乎是一个过度的原因，因为这个主题在我的课堂上还没有被探索过。 对于特征，我倾向于检查潮汐大小，海岸长度和月相。我还认为，由于数据粒度最多是每小时一次，我们应该每天而不是每月学习(数据大小不是太大)，我们可以收集更好的洞察力。 考虑到考虑每日和每月周期的给定位置的潮汐预测问题。还假设您可以访问10年内的每小时数据。定义并讨论如何对此问题建模:将考虑哪些功能？系统如何学习？我们应该分
浏览 25提问于2019-03-14得票数 0
2回答
简单感知器模型和异或运算
、、、
很抱歉，我只在这里问。我也会努力学习，准备回答问题！
许多论文和文章声称，对MLP的激活函数的选择没有限制。
似乎只有哪一个最适合给定条件才是问题。
此外，文章还说，数学证明，简单的感知器不能解决异或问题。
我知道简单的感知器模型通常使用阶跃函数作为它的激活函数。
但如果使用哪个激活函数基本上无关紧要，那么使用
f(x)=1 if |x-a|<b
f(x)=0 if |x-a|>b
作为一个激活函数处理XOR问题。(对于2input 1output无隐藏层感知器模型)
我知道使用人工函数对学习模型是不好的。但是，如果它无论如何都能工作，那么为什么文章说它被证明是不工作的？
这篇
浏览 4提问于2014-06-19得票数 1
5回答
从何说起神经网络
、、
首先，我知道这个问题可能不适合这个网站，但是如果你能给我一些建议，我会非常感激的。
我是一名16岁的程序员，我对许多不同的编程语言都有过经验。不久前，我在course开设了一门课程，名为“机器学习入门”，从那时起，我开始非常积极地学习人工智能，我开始阅读关于神经网络的知识，并使用Java制作了一个实用的感知器，这真的很有趣，但是当我开始做一些更有挑战性的事情(构建数字识别软件)时，我发现我必须学很多数学，我喜欢数学，但这里的学校没有教我们太多，现在我碰巧认识一个数学老师，你认为学习数学(特别是微积分)对于我学习人工智能是必要的，还是应该等到我在学校学到这些东西？
另外，在我学习人工智能和机器学
浏览 0提问于2014-10-12得票数 7
回答已采纳
3回答
感知学习--最重要的特征
、、、
对于我在AI类中的一项任务，我们的任务是创建Widrow规则的感知器学习实现。我用java编写了这个实现：
以下github链接包含项目：
我现在遇到的问题不是感知器的创造。效果很好。
在该项目中，在训练感知器之后，我将一个非分类数据集应用到感知器中，然后学习每个输入向量的分类。这也很好。
我的问题是学习输入的哪一个特征是最重要的。
例如，如果每个输入向量中的特征集是颜色、汽车模型和汽车制造，那么我们需要对最重要的特征进行分类。怎样才能这样做呢？
我对此的最初理解使我相信，计算相关系数、每个输入的特征值以及生成的分类向量。然而，事实证明，这是一个错误的假设。
还有其他方法可以学习到最重要的特性
浏览 0提问于2014-02-12得票数 4
回答已采纳
1回答
我有一个有监督的学习问题，在这个问题中，我的算法将被提供一组训练示例，用于学习形状是否为正方形。我想知道哪种类型的ANN是最好的。我知道如果数据是线性可分的，你可以选择感知器。当然，我可以很容易地有一个超平面来划分我的正方形和圆圈？那么感知器不是一个足够好的选择吗？然而，多层前馈网络不是更常用吗？什么是自然的选择?为什么？
下图显示了提供给系统的训练数据。NN需要将二维数据A=a1、a2分类为正方形和圆形。
谢谢。
浏览 3提问于2011-04-22得票数 7
回答已采纳
我是机器学习领域的新手，我注意到有很多算法/算法集可以使用:支持向量机、决策树、朴素贝叶斯、感知器等。这就是为什么我想知道应该使用哪种算法来解决哪个问题？换句话说，哪种算法解决了哪类问题？
所以我的问题是，如果你知道一个好的网站或书籍，专注于这个算法选择有问题吗？
任何帮助都将不胜感激。提前进行Thx检查。
贺拉斯
浏览 3提问于2013-05-22得票数 10
回答已采纳
1回答
我有一个小语料库(约450个观察与约50个词)与领域特定的词。我必须用一个有5个类的目标变量对每个观察结果进行分类。我标记并对我的文本做了预处理，现在我想做分类。我尝试了随机森林和感知器，我得到了0.75左右的精度，这是相当不错的！！我在网上看到，当我们有文本数据时，深度学习是一个很好的工具(这就是为什么我尝试感知器)，但是我在这个领域还是很新的。
考虑到我的语料库，你知道在深度学习中哪种模式更好吗？
浏览 0提问于2020-11-06得票数 0
1回答
什么是训练
、、
我是一个深入学习的新手，我有一个简单的问题。
我在读一些关于神经网络的文章。它说人们创造了一个简单的神经网络叫做感知器。这个网络不能解决一个非常简单的问题:排他性或。
我认为这是因为我不知道如何训练一个神经网络，也不知道如何为一个神经网络设定权重。
你能用这个例子和：0 & 0 = 0 1 & 0 = 0 0 & 1 = 0 1 & 1 = 1描述一下感知器的训练过程吗？
通过这样的训练，感知器的重量看起来如何？
浏览 0提问于2017-11-29得票数 0
回答已采纳
1回答
基于相关矩阵的特征选择
、、、
在测试Logistic回归、高斯朴素贝叶斯、随机森林和多层感知器等不同算法时，我只是简单地减去平均值，然后除以一个标准差来规范原始数据。并不是所有的人都有这个必要，但我只是想保持一致。但是特征的相关矩阵在归一化前后会发生变化。在决定选择哪些特征以避免输入数据中的冗余时，应该同时考虑相关矩阵还是只考虑规范化后的相关矩阵，因为这是直接提供给机器学习方法的数据？
浏览 0提问于2018-06-19得票数 0
回答已采纳
1回答
我在学习感知器算法。我知道我们可以使用权值w作为超平面的系数，它将需要分类的向量分开。
📷
在我阅读的每一个网页上都有详细的解释，一般说感知器算法会找到最优的权重w，但在哪一种意义上最优？
浏览 0提问于2017-12-25得票数 1
2回答
这是感知器学习模型的经典可视化，尽管我不知道它最初来自哪里。
我的问题是这个感知器有多少个神经元？我猜是N+2，N+1代表输入，另一个1代表输出。这是正确的吗？
浏览 0提问于2017-11-28得票数 0
1回答
多项式回归与多层感知器
、、、、
多项式回归和多层感知器具有不同的结构和学习过程。这两种算法的优缺点是什么？在某些情况下，其中一个应该表现得比另一个好吗？
浏览 0提问于2018-03-03得票数 1
1回答
我为虹膜数据集编写了3类分类(有3类)，并使用3种感知器。我对感知器学习有问题，感知器只对头等舱正确，二等和三等有相同的权重，我不知道我做错了什么。总是以感知为头等，学习正确，分类正确。第一个感知器有目标0，第二个1和第三个目标2。当我交换位置，第一个感知器和目标2学习时，感知器和目标2会工作得很好，第一个感知器总是工作得很好，下一个感知器工作得很差。将数据设置为训练是有问题的。
PS。这是我的第一个python应用程序。
import matplotlib.pyplot as plt
import numpy as np
from sklearn.model_selection import
浏览 2提问于2021-04-06得票数 0
回答已采纳
2回答
理解感知器
、、、、
我刚开始上机器学习课，我们复习了感知器。对于家庭作业，我们应该：“选择合适的二维(平面)训练和测试数据集，使用10个数据点进行训练，5个数据点进行测试。”然后我们应该编写一个程序，它将使用感知器算法并输出：
关于训练数据点是否线性可分的评论
关于测试点是否为线性可分点的评论
您最初选择的权重和常数
最终解方程(决策边界)
算法所做的权重更新总数。
在培训集上进行的迭代总数。
对训练数据和测试数据的最终错误分类错误(如果有的话)。
我已经读了好几遍我的书的第一章，我仍然有困难，充分理解知觉。
我知道如果一个点被错误分类，你会改变权重，直到不再有错误分类，我想我
浏览 2提问于2015-01-31得票数 3
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
