学习分类 2-5 线性可分
学习 分类 线性
2023-06-13 09:14:46 时间
线性可分
感知机非常简单同时又很容易理解,但是相对应的,缺点也很多。感知机最大的缺点就是它只能解决线性可分的问题。
线性可分其实很好理解,简单来说就是可以用直线将属于不同种类的训练数据区分开来。比如,下图所示的两种类型的训练数据所呈现的分布,不可能通过一条直线将其 "x" 和 "·" 两种类型的训练数据区分开。
显然,实际处理的分类任务大多数不可能仅使用一条直线将其区分开的,这也是为什么说感知机不会应用到实际的问题中。
单层感知机是一个很弱的模型,只能处理线性可分的分类问题,但是堆叠多个单层感知机的多层感知机能够处理非线性可分的分类问题。多层感知机就是所谓的神经网络。
References:
a.白话机器学习的数学》
相关文章
- 快速入门Python机器学习(13)
- 机器学习分类问题:9个常用的评估指标总结
- FastAI 课程学习笔记 lesson 1:宠物图片分类
- jvm参数学习
- 学习分类 2-4 感知机权重向量的更新
- Open-AI:基于对比学习的无监督预训练
- 小样本学习在文心ERNIE3.0多分类任务应用--提示学习
- 使用PyTorch进行小样本学习的图像分类
- 机器学习中分类准确率的评估方法
- 程序员快来学习缓存层场景实战数据收集—技术选型思路及整体方案
- [Python人工智能] 二十.基于Keras+RNN的文本分类vs基于传统机器学习的文本分类
- 一起学习设计模式--设计模式
- PGL图学习之基于UniMP算法的论文引用网络节点分类任务[系列九]
- [WSDM | 论文简读] 用于图分类任务的异构超图网络嵌入学习
- python机器学习《基于逻辑回归的预测分类》
- Flask 学习-87.Flask-APScheduler 持久化定时任务保存到mysql数据库
- A.机器学习入门算法(九): 基于线性判别模型的LDA手写数字分类识别
- 为机器学习模型设置最佳阈值:0.5是二元分类的最佳阈值吗
- HTML 学习总结 !
- Linux视频入门指南:从零开始学习(linux视频入门教程)
- Linux教学:利用课件学习新技能(linux教学课件)
- 时间Java学习之实战:如何设置Redis的过期时间(redisjava过期)
- Linux系统自学指南:学习Linux必备书籍(自学linux书籍推荐)
- CNN 在基于弱监督学习的图像分割中的应用
- SQL学习笔记一SQL基础知识
- php学习笔记之面向对象