ML--感知机

Posted 2020-08-21 脑机接口社区

案例银行办信用卡--获得感知机

---

我们到银行办信用卡时，银行并不是直接就给你办卡的，而是会根据你的一些个人信息、消费信息、个人信誉等指标综合考虑后，才会决定是否给你办卡（不像现在银行办信用卡有点随意）。

银行要考虑的指标比如age,salary,year in job,current debt等我们称为特征，假设银行要考虑的特征有n个：

 

感知机

---

感知机（有些地方叫感知器）是二分类模型，属于线性分类。中g作为分类器，如果在是二维平面中，该分类器是一条直线，

由于在更高维中分析方法是和二维类似，所以这里以二维空间来分析。

根据前面文章提到过，我们可以认为现在手上有的数据是通过真实的f得到的，但我们是不知道f到底是什么，我们的目标是通过已有的数据尽量去找到一个g，

使得g越来越接近 f。而在hypothesis中有很多g，我们如何找到我们的g呢？

我们的思路是假设我们已经有了一条线（称它为g0），我们从这条先出发，如果这条线分类效果不太好，则表示有错误，我们根据错误慢慢修正它，

让它变得更好一点，直到好的不能再好为止。

思想如下：

现在有个问题没有考虑，上面的过程什么时候才会停止。会不会根本就不可能停止？

这里做一个假设：假设数据集是线性可分的。如果不是线性可分的，我们也就不采用感知机模型了。

如果数据集是线性可分的话，则必定存在一条完美的直线（这里讨论的是二维空间）能够将数据集分类。

感谢台大林老师的课。