關於Perceptron的一些問題

Question

我正在學習一點ML，並且在我腦海中留下了一些問號，特別是關於感知器。所以例如我問：

1）我們可以看到b的偏差和權重作爲我們的線性分隔符的係數嗎？僅當我們在2D線性分隔符是線時纔有效？

2）我們的目標是創建一條線，以精確劃分我們訓練數據中的數據點嗎？意味着，在學習階段結束時，該算法「發現」了（如果我們是2D的話）最能區分這兩種點的線。發生這種情況是因爲訓練數據中有正確的標籤y，算法可以找到真實標籤和預測標籤之間的距離。 因此，移動到測試階段，測試點沒有標籤，因此在我的想法中，感知器只能識別測試點是否在返回線上方或下方。這導致分類？

3）有人也用這個符號的treshold激活溫控功能

http://latex.codecogs.com/gif.latex?\small&space;Y_{i}\begin{bmatrix}&space;<w,x_{i}>&plus;b&space;\end{bmatrix}\leq&space;0 是同一個爲使用錯誤的區別，另一個？如果我沒有錯，這是用於-1/+ 1類。 順便說一下，我們把我的觀察i的Yi標籤和感知器的輸出值聯繫起來？

非常感謝和我的壞錯字

Answer 1

1）W和B遺憾是線性分隔的係數，無論尺寸。 w和b共同表示其中的點集合w^T x + b = 0。 w與x具有相同的維數，b總是一個標量。

這組點將空間分成兩個區域。在2維的情況下，這組點對應於一條線。在三維的情況下，它將對應於一架飛機。在更高維度上，你不能真正想象它，但它仍然是一樣的。一般將其稱爲超平面。

2）部分正確。測試數據用於檢查感知器的性能。除非您知道測試數據的真實類別，否則無法知道它的表現如何。你通常做的是測量你的感知器正確分類的測試數據的百分比（稱爲準確度）。但是，測試數據不影響感知器。它只是在那裏測試它。

3）這是一個不尋常的符號，你應該提供一些背景，否則我不能告訴你它應該代表什麼。